Git Stars Git Stars

#interpretable-ai Repositories

Entdecke 10 aktive Open-Source-GitHub-Repositories, die mit #interpretable-ai getaggt sind und insgesamt 36,295 Sterne gesammelt haben (durchschnittlich 3,629 Sterne pro Projekt). Spitzenreiter in diesem Themenbereich ist jacobgil/pytorch-grad-cam mit 13,014 Sternen.

10
Gesamtzahl der Repositories
36,295
Gesamtanzahl der Sterne
3,629
Durchschnittliche Sterne/Repo

Insgesamt 10 Repositories

1
jacobgil/pytorch-grad-cam

Erweiterte KI-Erklärbarkeit für Computer Vision. Unterstützung für CNNs, Vision Transformers, Klassifikation, Objekterkennung, Segmentierung, Bildähnlichkeit und mehr.

jacobgil
⭐ 13,014 Python 👤 jacobgil User 🕐 Aktualisiert 2026-11-01 📅 Erstellt 2017-05-31
2
interpretml/interpret

Passen Sie interpretierbare Modelle an. Erklären Sie Blackbox-Machine-Learning.

interpretml
⭐ 6,986 C++ 👤 interpretml Organization 🕐 Aktualisiert 2026-11-16 📅 Erstellt 2019-05-03
3
meta-pytorch/captum

Modell-Interpretierbarkeit und -Verständnis für PyTorch

meta-pytorch
⭐ 5,723 Python 👤 meta-pytorch Organization 🕐 Aktualisiert 2026-11-19 📅 Erstellt 2019-08-27
4
jphall663/awesome-machine-learning-interpretability

Eine kuratierte Liste toller verantwortungsvoller Machine-Learning-Ressourcen.

jphall663
⭐ 4,088 👤 jphall663 User 🕐 Aktualisiert 2026-06-03 📅 Erstellt 2018-06-21
5
linkedin/greykite

Eine flexible, intuitive und schnelle Prognosebibliothek

linkedin
⭐ 1,855 Python 👤 linkedin Organization 🕐 Aktualisiert 2025-02-20 📅 Erstellt 2021-04-27
6
wangyongjie-ntu/Awesome-explainable-AI

Eine Sammlung von Forschungsmaterialien zu erklärbarer KI/ML

wangyongjie-ntu
⭐ 1,660 Markdown 👤 wangyongjie-ntu User 🕐 Aktualisiert 2026-08-19 📅 Erstellt 2020-02-16
7
dswah/pyGAM

[MITWIRKENDE WILLKOMMEN] Generalisierte additive Modelle in Python

dswah
⭐ 1,024 Python 👤 dswah User 🕐 Aktualisiert 2026-04-21 📅 Erstellt 2017-01-19
8
Felix-Petersen/difflogic

Eine Bibliothek für differenzierbare Logikgatter-Netzwerke

Felix-Petersen
⭐ 749 Python 👤 Felix-Petersen User 🕐 Aktualisiert 2024-03-19 📅 Erstellt 2022-11-28
9
jphall663/interpretable_machine_learning_with_python

Beispiele für Techniken zum Trainieren interpretierbarer ML-Modelle, Erklären von ML-Modellen und Debuggen von ML-Modellen hinsichtlich Genauigkeit, Diskriminierung und Sicherheit.

jphall663
⭐ 679 Jupyter Notebook 👤 jphall663 User 🕐 Aktualisiert 2024-06-17 📅 Erstellt 2018-03-14
10
tensorflow/lattice

Lattice-Methoden in TensorFlow

tensorflow
⭐ 520 Python 👤 tensorflow Organization 🕐 Aktualisiert 2024-07-30 📅 Erstellt 2017-09-22

Häufig gestellte Fragen

1

Welches ist das beliebteste #interpretable-ai-Repository auf GitHub?

Das am höchsten eingestufte Open-Source-#interpretable-ai-Projekt auf GitHub ist jacobgil/pytorch-grad-cam mit 13,014 Sternen. Erweiterte KI-Erklärbarkeit für Computer Vision. Unterstützung für CNNs, Vision Transformers, Klassifikation, Objekterkennung, Segmentierung, Bildähnlichkeit und mehr.

2

Welche Programmiersprachen werden in #interpretable-ai-Repositories am häufigsten verwendet?

Unter den am höchsten eingestuften #interpretable-ai-Projekten auf GitHub sind Python, C++, Markdown, Jupyter Notebook die am häufigsten verwendeten Programmiersprachen.

3

Wie wird das Ranking der #interpretable-ai-Repositories berechnet?

Wir verfolgen 10 aktive Open-Source-Repositories, die mit #interpretable-ai getaggt sind (500+ Sterne), mit insgesamt 36,295 Sternen und durchschnittlich 3,629 Sternen pro Repository. Die Rankings werden täglich über die GitHub-API aktualisiert.