Git Stars Git Stars

#artificial-neural-networks Dépôts

Découvrez 17 dépôts GitHub open source actifs associés à #artificial-neural-networks, cumulant 56,211 étoiles au total (soit une moyenne de 3,306 étoiles par projet). Le projet en tête de ce thème est kmario23/deep-learning-drizzle, avec 12,995 étoiles.

17
Total des Dépôts
56,211
Nombre total d'étoiles
3,306
Moyenne d'Étoiles/Dépôt
1
kmario23/deep-learning-drizzle

Plongez dans le Deep Learning, l'Apprentissage par Renforcement, le Machine Learning, la Vision par Ordinateur et le NLP en apprenant de ces conférences passionnantes !!

kmario23
⭐ 12,995 HTML 👤 kmario23 User 🕐 Mis à jour 2026-08-22 📅 Créé 2018-11-26
2
willwulfken/MidJourney-Styles-and-Keywords-Reference

Une référence contenant des styles et des mots-clés que vous pouvez utiliser avec MidJourney AI. Il existe également des pages montrant la comparaison des résolutions, les poids des images, et bien plus encore !

willwulfken
⭐ 12,290 👤 willwulfken User 🕐 Mis à jour 2025-04-11 📅 Créé 2022-07-03
3
OlafenwaMoses/ImageAI

Une bibliothèque Python conçue pour permettre aux développeurs de créer des applications et des systèmes avec des capacités de vision par ordinateur autonomes

OlafenwaMoses
⭐ 8,848 Python 👤 OlafenwaMoses User 🕐 Mis à jour 2024-08-03 📅 Créé 2018-03-19
4
liuruoze/EasyPR

(CGCSTCD'2017) Un projet facile, flexible et précis de reconnaissance de plaques d'immatriculation pour les plaques d'immatriculation chinoises dans des situations non contraintes. CGCSTCD = China Graduate Contest on Smart-city Technology and Creative Design

liuruoze
⭐ 6,430 C++ 👤 liuruoze User 🕐 Mis à jour 2026-11-12 📅 Créé 2014-09-19
5
krishnakumarsekar/awesome-quantum-machine-learning

Ici, vous pouvez obtenir toutes les bases de l'apprentissage automatique quantique, les algorithmes, le matériel d'étude, les projets et les descriptions des projets sur le web.

krishnakumarsekar
⭐ 3,149 HTML 👤 krishnakumarsekar User 🕐 Mis à jour 2024-05-07 📅 Créé 2017-04-26
6
GMvandeVen/continual-learning

Implémentation PyTorch de diverses méthodes pour l'apprentissage continu (XdG, EWC, SI, LwF, FROMP, DGR, BI-R, ER, A-GEM, iCaRL, Generative Classifier) dans trois scénarios différents.

GMvandeVen
⭐ 1,891 Jupyter Notebook 👤 GMvandeVen User 🕐 Mis à jour 2025-11-05 📅 Créé 2018-09-26
7
mbadry1/Top-Deep-Learning

Top 200 des dépôts GitHub en deep learning triés par nombre d'étoiles.

mbadry1
⭐ 1,742 Python 👤 mbadry1 User 🕐 Mis à jour 2024-02-17 📅 Créé 2018-03-16
8
mrsaeeddev/free-ai-resources

🚀 Ressources IA GRATUITES - 🎓 Cours, 👷 Emplois, 📝 Blogs, 🔬 Recherche IA, et bien plus encore - pour tous !

mrsaeeddev
⭐ 1,659 👤 mrsaeeddev User 🕐 Mis à jour 2024-05-29 📅 Créé 2020-07-14
9
ArztSamuel/Applying_EANNs

Une simulation Unity 2D dans laquelle les voitures apprennent à se diriger de manière autonome sur différents parcours. Les voitures sont dirigées par un réseau neuronal feedforward. Les poids du réseau sont entraînés à l'aide d'un algorithme génétique modifié.

ArztSamuel
⭐ 1,573 ASP 👤 ArztSamuel User 🕐 Mis à jour 2025-05-23 📅 Créé 2017-04-09
10
kennethleungty/Neural-Network-Architecture-Diagrams

Diagrammes pour visualiser l'architecture des réseaux neuronaux

kennethleungty
⭐ 1,124 👤 kennethleungty User 🕐 Mis à jour 2025-04-12 📅 Créé 2021-08-20
11
joanby/python-ml-course

Cours d’introduction au machine learning avec Python

joanby
⭐ 856 Jupyter Notebook 👤 joanby User 🕐 Mis à jour 2026-10-14 📅 Créé 2018-03-20
12
itdxer/neupy

NeuPy est une bibliothèque Python basée sur Tensorflow pour le prototypage et la construction de réseaux de neurones.

itdxer
⭐ 735 Python 👤 itdxer User 🕐 Mis à jour 2024-11-18 📅 Créé 2015-08-24
13
wichtounet/dll

Bibliothèque de Deep Learning Rapide (DLL) pour C++ (ANN, CNN, RBM, DBN...)

wichtounet
⭐ 689 C++ 👤 wichtounet User 🕐 Mis à jour 2025-05-27 📅 Créé 2014-01-07
14
mikeroyal/Machine-Learning-Guide

Guide d'apprentissage automatique. Tout savoir sur les outils, bibliothèques, frameworks d'apprentissage automatique, les grands modèles linguistiques (LLM) et les modèles d'entraînement.

mikeroyal
⭐ 675 Python 👤 mikeroyal User 🕐 Mis à jour 2024-01-04 📅 Créé 2020-10-17
15
mikeroyal/Neuromorphic-Computing-Guide

Découvrez le processus d'ingénierie néomorphique de création de systèmes d'intégration à très grande échelle (VLSI) contenant des circuits analogiques électroniques pour imiter les architectures neuro-biologiques.

mikeroyal
⭐ 546 Python 👤 mikeroyal User 🕐 Mis à jour 2024-01-04 📅 Créé 2021-10-03
16
neurocult/agency

🕵️‍♂️ Bibliothèque conçue pour les développeurs désireux d’explorer le potentiel des grands modèles de langage (LLM) et d’autres IA génératives via une approche propre, efficace et idiomatique en Go.

neurocult
⭐ 508 Go 👤 neurocult Organization 🕐 Mis à jour 2025-01-08 📅 Créé 2023-11-13
17
nschaetti/EchoTorch

Une boîte à outils Python pour l'expérimentation du Reservoir Computing et des réseaux à état d'écho (Echo State Networks) basée sur PyTorch. EchoTorch est le seul module Python disponible pour créer facilement des modèles de Deep Reservoir Computing.

nschaetti
⭐ 502 Python 👤 nschaetti User 🕐 Mis à jour 2026-09-21 📅 Créé 2017-04-06

Foire aux questions

1

Quel est le dépôt #artificial-neural-networks le plus populaire sur GitHub ?

Le projet #artificial-neural-networks open source le mieux classé sur GitHub est kmario23/deep-learning-drizzle, avec 12,995 étoiles. Plongez dans le Deep Learning, l'Apprentissage par Renforcement, le Machine Learning, la Vision par Ordinateur et le NLP en apprenant de ces conférences passionnantes !!

2

Quels langages de programmation sont les plus utilisés dans les dépôts #artificial-neural-networks ?

Parmi les projets #artificial-neural-networks les mieux classés sur GitHub, les langages de programmation les plus courants sont Python, HTML, C++, Jupyter Notebook.

3

Comment le classement des dépôts #artificial-neural-networks est-il calculé ?

Nous suivons 17 dépôts open source actifs associés à #artificial-neural-networks (500+ étoiles), totalisant 56,211 étoiles, avec une moyenne de 3,306 étoiles par dépôt. Les classements sont mis à jour quotidiennement à partir de l’API GitHub.