#hyperparameter-tuning Repositories
Entdecke 30 aktive Open-Source-GitHub-Repositories, die mit #hyperparameter-tuning getaggt sind und insgesamt 86,490 Sterne gesammelt haben (durchschnittlich 2,883 Sterne pro Projekt). Spitzenreiter in diesem Themenbereich ist tensorflow/playground mit 13,115 Sternen.
Insgesamt 30 Repositories
Die AI-Entwicklerplattform. Verwenden Sie Weights & Biases, um Modelle zu trainieren und feinabzustimmen und Modelle von der Experimentierphase bis zur Produktion zu verwalten.
Die KI-Compute-Plattform für Spitzenteams. SkyPilot verwandelt fragmentierte KI-Rechenleistung in einen KI-Supercomputer, sodass Spitzenteams schneller maßgeschneiderte Intelligenz entwickeln.
Notizen, Programmieraufgaben und Quizze aus allen Kursen der Coursera Deep Learning Specialization, angeboten von deeplearning.ai: (i) Neuronale Netze und Deep Learning; (ii) Verbesserung tiefer neuronaler Netze: Hyperparameter-Tuning, Regularisierung und Optimierung; (iii) Strukturierung von Machine-Learning-Projekten; (iv) Convolutional Neural Networks; (v) Sequenzmodelle
Determined ist eine Open-Source-Plattform für maschinelles Lernen, die verteiltes Training, Hyperparameter-Tuning, Experimentverfolgung und Ressourcenmanagement vereinfacht. Funktioniert mit PyTorch und TensorFlow.
Ein Trainingsframework für Stable Baselines3 Reinforcement Learning Agenten, inklusive Hyperparameter-Optimierung und vortrainierter Agenten.
Das NVIDIA NeMo Agent Toolkit ist eine Open-Source-Bibliothek für die effiziente Verbindung und Optimierung von KI-Agenten-Teams.
WARNUNG: Das Katib-Projekt ist VERALTET. Nutzer sollten zu OptimizationJob und Kubeflow Trainer migrieren.
Python-basierte Forschungschnittstelle für Blackbox- und Hyperparameter-Optimierung, basierend auf dem internen Google Vizier Service.
caret (Classification And Regression Training) R-Paket, das verschiedene Funktionen zum Trainieren und Plotten von Klassifizierungs- und Regressionsmodellen enthält
fitlog ist ein Tool, das Benutzer bei der Protokollierung von Logs und der Verwaltung von Code während des Deep-Learning-Trainings unterstützt.
SMAC3: Ein vielseitiges Paket für bayessche Optimierung bei der Hyperparameter-Optimierung
🔥 Ein autonomer KI-Agent, der deine Deep-Learning-Experimente 24/7 ausführt, während du schläfst. Kostenloses Monitoring, Leader-Worker-Architektur, konstant große Speicher.
Repository für NeurIPS 2020 Spotlight „AdaBelief Optimizer: Adapting stepsizes by the belief in observed gradients“
HyperView ist ein terminalbasiertes TradingView-Strategie-Labor für das Herunterladen von Marktdaten, Backtesting von Python-Strategien mit Pine-ähnlichem Verhalten und Optimierung von SL/TP-Parametern.
Eine minimale PyTorch-Implementierung von probabilistischen Diffusionsmodellen für 2D-Datensätze.
Begleitende Webseite zum Buch „Bayesian Optimization“ von Roman Garnett
OCTIS: Das Vergleichen von Topic Models ist einfach! Ein Python-Paket zur Optimierung und Evaluierung von Topic Models (akzeptiert für die EACL2021 Demo-Schiene)
Implementierung/Tutorial zur Verwendung automatisierter maschineller Lernmethoden (AutoML) für statisches/Batch- und Online/kontinuierliches Lernen
Die sauberste AutoML-Bibliothek der Welt ✨ - Führen Sie Hyperparameter-Tuning mit den richtigen Pipeline-Abstraktionen durch, um saubere Deep-Learning-Produktionspipelines zu schreiben. Lassen Sie Ihre Pipeline-Schritte Hyperparameterspaces haben. Entwerfen Sie Schritte in Ihrer Pipeline wie Komponenten. Kompatibel mit Scikit-Learn, TensorFlow und den meisten anderen Bibliotheken, Frameworks und MLOps-Umgebungen.
Häufig gestellte Fragen
Welches ist das beliebteste #hyperparameter-tuning-Repository auf GitHub?
Das am höchsten eingestufte Open-Source-#hyperparameter-tuning-Projekt auf GitHub ist tensorflow/playground mit 13,115 Sternen. Spiele mit neuronalen Netzwerken!
Welche Programmiersprachen werden in #hyperparameter-tuning-Repositories am häufigsten verwendet?
Unter den am höchsten eingestuften #hyperparameter-tuning-Projekten auf GitHub sind Python, Jupyter Notebook, R, TypeScript die am häufigsten verwendeten Programmiersprachen.
Wie wird das Ranking der #hyperparameter-tuning-Repositories berechnet?
Wir verfolgen 30 aktive Open-Source-Repositories, die mit #hyperparameter-tuning getaggt sind (500+ Sterne), mit insgesamt 86,490 Sternen und durchschnittlich 2,883 Sternen pro Repository. Die Rankings werden täglich über die GitHub-API aktualisiert.