#model-interpretability Repositories
Entdecke 13 aktive Open-Source-GitHub-Repositories, die mit #model-interpretability getaggt sind und insgesamt 42,840 Sterne gesammelt haben (durchschnittlich 3,295 Sterne pro Projekt). Spitzenreiter in diesem Themenbereich ist marcotcr/lime mit 12,080 Sternen.
Insgesamt 13 Repositories
Standardisierte verteilte generative und prädiktive KI-Inferenzplattform für skalierbare, Multi-Framework-Bereitstellung auf Kubernetes
Echtzeit-Gesichtserkennung und Emotions-/Geschlechtsklassifikation mit fer2013/imdb-Datensätzen unter Verwendung eines Keras-CNN-Modells und OpenCV.
Eine effiziente reine PyTorch-Implementierung des Kolmogorov-Arnold Network (KAN).
Eine umfassende Sammlung von KAN (Kolmogorov-Arnold Network)-bezogenen Ressourcen, einschließlich Bibliotheken, Projekten, Tutorials, Papieren und mehr, für Forscher und Entwickler im Bereich des Kolmogorov-Arnold-Netzwerks.
Ein Open-Source-DevOps-Tool der CNCF zum Verpacken und Versionieren von KI/ML-Modellen, Datensätzen, Code und Konfigurationen in ein OCI-Artefakt.
KI-Modelle ausführen, bereitstellen, abfragen und bearbeiten – eine auf VINDEX3 basierende Rust-Modelllaufzeitumgebung. VINDEX3 ist ein ausführbares, inspizierbares Modellformat.
Repräsentations-Engineering: Ein Top-Down-Ansatz für KI-Transparenz
Eine Leseliste für Arbeiten zur Kausalität für Natural Language Processing (NLP)
Ein baumbasierter Feature-Auswahltool, das sowohl den Boruta-Feature-Auswahlalgorithmus als auch Shapley-Werte kombiniert.
Code zur Berechnung von Permutations- und Drop-Column-Importanten in Python scikit-learn-Modellen
Ein visuelles Analysetool zur Erkundung gelerntener Repräsentationen in Transformer-Modellen
Häufig gestellte Fragen
Welches ist das beliebteste #model-interpretability-Repository auf GitHub?
Das am höchsten eingestufte Open-Source-#model-interpretability-Projekt auf GitHub ist marcotcr/lime mit 12,080 Sternen. Lime: Erklärung der Vorhersagen beliebiger Machine-Learning-Klassifizierer
Welche Programmiersprachen werden in #model-interpretability-Repositories am häufigsten verwendet?
Unter den am höchsten eingestuften #model-interpretability-Projekten auf GitHub sind Python, Go, Jupyter Notebook, JavaScript die am häufigsten verwendeten Programmiersprachen.
Wie wird das Ranking der #model-interpretability-Repositories berechnet?
Wir verfolgen 13 aktive Open-Source-Repositories, die mit #model-interpretability getaggt sind (500+ Sterne), mit insgesamt 42,840 Sternen und durchschnittlich 3,295 Sternen pro Repository. Die Rankings werden täglich über die GitHub-API aktualisiert.