#deepar Repositories
Entdecke 3 aktive Open-Source-GitHub-Repositories, die mit #deepar getaggt sind und insgesamt 6,214 Sterne gesammelt haben (durchschnittlich 2,071 Sterne pro Projekt). Spitzenreiter in diesem Themenbereich ist Nixtla/neuralforecast mit 4,318 Sternen.
Insgesamt 3 Repositories
PyTorch-basiertes probabilistisches Zeitreihenprognose-Framework auf Basis des GluonTS-Backends
Beeindruckende, einfach zu bedienende Deep Time Series Modellierung basierend auf PaddlePaddle, einschließlich umfassender Funktionsmodule wie TSDataset, Analysis, Transform, Models, AutoTS und Ensemble usw., die vielseitige Aufgaben wie Zeitreihenvorhersage, Darstellungslernen und Anomalieerkennung usw. unterstützen und sich durch schnelles Tracking von SOTA Deep Models auszeichnen.
Häufig gestellte Fragen
Welches ist das beliebteste #deepar-Repository auf GitHub?
Das am höchsten eingestufte Open-Source-#deepar-Projekt auf GitHub ist Nixtla/neuralforecast mit 4,318 Sternen. Skalierbare und benutzerfreundliche neuronale :brain: Prognosealgorithmen.
Welche Programmiersprachen werden in #deepar-Repositories am häufigsten verwendet?
Unter den am höchsten eingestuften #deepar-Projekten auf GitHub sind Python die am häufigsten verwendeten Programmiersprachen.
Wie wird das Ranking der #deepar-Repositories berechnet?
Wir verfolgen 3 aktive Open-Source-Repositories, die mit #deepar getaggt sind (500+ Sterne), mit insgesamt 6,214 Sternen und durchschnittlich 2,071 Sternen pro Repository. Die Rankings werden täglich über die GitHub-API aktualisiert.