Git Stars Git Stars

#automatic-differentiation Dépôts

Découvrez 50 dépôts GitHub open source actifs associés à #automatic-differentiation, cumulant 94,135 étoiles au total (soit une moyenne de 1,882 étoiles par projet). Le projet en tête de ce thème est karpathy/micrograd, avec 19,036 étoiles.

50
Total des Dépôts
94,135
Nombre total d'étoiles
1,882
Moyenne d'Étoiles/Dépôt
1
karpathy/micrograd

Un minuscule moteur autograd à valeur scalaire et une bibliothèque de réseaux neuronaux par-dessus avec une API de type PyTorch

karpathy
⭐ 19,036 Jupyter Notebook 👤 karpathy User 🕐 Mis à jour 2026-08-03 📅 Créé 2020-04-13
2
HIPS/autograd

Calcule efficacement les dérivées du code NumPy.

HIPS
⭐ 7,557 Python 👤 HIPS Organization 🕐 Mis à jour 2026-11-16 📅 Créé 2014-11-24
3
gorgonia/gorgonia

Gorgonia est une bibliothèque qui aide à faciliter l'apprentissage automatique en Go.

gorgonia
⭐ 5,899 Go 👤 gorgonia Organization 🕐 Mis à jour 2024-08-12 📅 Créé 2016-09-14
4
mindspore-ai/mindspore

MindSpore est un nouveau framework d'entraînement/d'inférence d'apprentissage profond open source qui pourrait être utilisé pour les scénarios mobiles, de périphérie et de cloud.

mindspore-ai
⭐ 4,729 C++ 👤 mindspore-ai Organization 🕐 Mis à jour 2026-10-28 📅 Créé 2020-02-11
5
stack-of-tasks/pinocchio

Une implémentation rapide et flexible des algorithmes de dynamique du corps rigide et de leurs dérivées analytiques

stack-of-tasks
⭐ 3,879 C++ 👤 stack-of-tasks Organization 🕐 Mis à jour 2026-11-13 📅 Créé 2014-10-07
6
meta-pytorch/botorch

Optimisation bayésienne dans PyTorch

meta-pytorch
⭐ 3,654 Jupyter Notebook 👤 meta-pytorch Organization 🕐 Mis à jour 2026-11-17 📅 Créé 2018-07-30
7
PennyLaneAI/pennylane

PennyLane est une plateforme logicielle quantique open-source pour l’informatique quantique, l’apprentissage machine quantique et la chimie quantique. Créez des algorithmes quantiques significatifs, de l’inspiration à la mise en œuvre.

PennyLaneAI
⭐ 3,531 Python 👤 PennyLaneAI Organization 🕐 Mis à jour 2026-11-21 📅 Créé 2018-04-17
8
minitorch/minitorch

La suite complète pour étudiants Minitorch.

minitorch
⭐ 2,267 Python 👤 minitorch Organization 🕐 Mis à jour 2024-08-17 📅 Créé 2021-12-06
9
cvxpy/cvxpylayers

Couches d'optimisation convexe différentiables

cvxpy
⭐ 2,155 Python 👤 cvxpy Organization 🕐 Mis à jour 2026-11-16 📅 Créé 2019-10-27
10
autodiff/autodiff

différenciation automatique simplifiée pour C++

autodiff
⭐ 1,932 C++ 👤 autodiff Organization 🕐 Mis à jour 2025-01-27 📅 Créé 2018-07-19
11
nlpodyssey/spago

Bibliothèque autonome d'apprentissage automatique et de traitement du langage naturel en Go

nlpodyssey
⭐ 1,850 Go 👤 nlpodyssey Organization 🕐 Mis à jour 2025-04-01 📅 Créé 2020-01-05
12
chungmin99/pyroki

Une boîte à outils modulaire pour l'optimisation cinématique des robots

chungmin99
⭐ 1,825 Python 👤 chungmin99 User 🕐 Mis à jour 2026-04-01 📅 Créé 2025-05-06
13
EnzymeAD/Enzyme

Différenciation automatique haute performance de LLVM et MLIR.

EnzymeAD
⭐ 1,734 LLVM 👤 EnzymeAD Organization 🕐 Mis à jour 2026-11-20 📅 Créé 2019-02-27
14
google-research/dex-lang

Langage de recherche pour le traitement de tableaux dans la famille Haskell/ML

google-research
⭐ 1,708 Haskell 👤 google-research Organization 🕐 Mis à jour 2026-01-05 📅 Créé 2019-10-25
15
FluxML/Zygote.jl

21e siècle ap. J.-C.

FluxML
⭐ 1,582 Julia 👤 FluxML Organization 🕐 Mis à jour 2026-11-12 📅 Créé 2018-08-06
16
apoorvnandan/tensor.h

création d'une minuscule bibliothèque de tenseurs en C brut

apoorvnandan
⭐ 1,457 C 👤 apoorvnandan User 🕐 Mis à jour 2025-03-05 📅 Créé 2024-10-10
17
mratsim/Arraymancer

Une bibliothèque de tenseurs rapide, ergonomique et portable en Nim avec un focus sur l'apprentissage profond pour CPU, GPU et dispositifs embarqués via les backends OpenMP, Cuda et OpenCL

mratsim
⭐ 1,418 Nim 👤 mratsim User 🕐 Mis à jour 2026-11-01 📅 Créé 2017-04-13
18
peterdsharpe/AeroSandbox

Optimisation de la conception d'aéronefs accélérée par des transformations de graphes de calcul (par ex., différentiation automatique). Outils d'analyse composables pour l'aérodynamique, la propulsion, les structures, la conception de trajectoire et bien plus.

peterdsharpe
⭐ 1,400 Jupyter Notebook 👤 peterdsharpe User 🕐 Mis à jour 2026-10-30 📅 Créé 2019-05-15
19
erwincoumans/tiny-differentiable-simulator

Tiny Differentiable Simulator est une bibliothèque physique C++ et CUDA uniquement en-tête pour l'apprentissage par renforcement et la robotique avec zéro dépendance.

erwincoumans
⭐ 1,382 C++ 👤 erwincoumans User 🕐 Mis à jour 2026-11-15 📅 Créé 2020-05-14
20
owlbarn/owl

Owl - OCaml Scientific Computing @ https://ocaml.xyz

owlbarn
⭐ 1,358 OCaml 👤 owlbarn Organization 🕐 Mis à jour 2026-11-18 📅 Créé 2016-06-20
21
glouppe/info8010-deep-learning

Conférences pour INFO8010 Deep Learning, ULiège

glouppe
⭐ 1,294 Jupyter Notebook 👤 glouppe User 🕐 Mis à jour 2026-07-13 📅 Créé 2018-03-14
22
eduardoleao052/js-pytorch

Une bibliothèque JavaScript comme PyTorch, avec accélération GPU.

eduardoleao052
⭐ 1,219 JavaScript 👤 eduardoleao052 User 🕐 Mis à jour 2024-11-15 📅 Créé 2024-02-27
23
getkeops/keops

Opérations du Kernel sur CPU et GPU, avec autodiff et sans débordements de mémoire

getkeops
⭐ 1,197 Python 👤 getkeops Organization 🕐 Mis à jour 2026-07-17 📅 Créé 2019-04-18
24
facebookresearch/shumai

Bibliothèque Tensorielle Différentiable Rapide en JavaScript et TypeScript avec Bun + Flashlight

facebookresearch
⭐ 1,164 TypeScript 👤 facebookresearch Organization 🕐 Mis à jour 2024-07-23 📅 Créé 2022-08-17
25
JuliaDiff/ForwardDiff.jl

Différentiation automatique en mode forward pour Julia

JuliaDiff
⭐ 1,009 Julia 👤 JuliaDiff Organization 🕐 Mis à jour 2026-11-16 📅 Créé 2013-04-13
27
kthohr/optim

OptimLib : une bibliothèque légère en C++ pour les méthodes d'optimisation numérique des fonctions non linéaires

kthohr
⭐ 883 C++ 👤 kthohr User 🕐 Mis à jour 2024-04-28 📅 Créé 2017-06-14
28
WaterLily-jl/WaterLily.jl

Simulateur de fluide rapide et simple en Julia

WaterLily-jl
⭐ 859 Julia 👤 WaterLily-jl Organization 🕐 Mis à jour 2026-11-20 📅 Créé 2020-06-19
29
SciML/Optimization.jl

Optimisation mathématique en Julia. Locale, globale, basée sur le gradient et sans dérivée. Optimisation linéaire, quadratique, convexe, mixte en nombres entiers et non linéaire dans une interface simple, rapide et différentiable.

SciML
⭐ 852 Julia 👤 SciML Organization 🕐 Mis à jour 2026-11-18 📅 Créé 2020-05-06
30
stan-dev/math

La bibliothèque Stan Math est une bibliothèque de templates C++ pour la différentiation automatique de tout ordre en utilisant les modes forward, reverse et mixtes. Elle inclut une gamme de fonctions intégrées pour la modélisation probabiliste, l'algèbre linéaire et la résolution d'équations.

stan-dev
⭐ 848 C++ 👤 stan-dev Organization 🕐 Mis à jour 2026-11-20 📅 Créé 2015-07-01
31
ankane/torch.rb

Apprentissage profond pour Ruby, propulsé par LibTorch

ankane
⭐ 843 Ruby 👤 ankane User 🕐 Mis à jour 2026-11-14 📅 Créé 2019-11-26
32
oreilly-japan/deep-learning-from-scratch-3

« Deep Learning à partir de zéro ❸ » (O'Reilly Japan, 2020)

oreilly-japan
⭐ 836 Python 👤 oreilly-japan Organization 🕐 Mis à jour 2024-05-27 📅 Créé 2019-10-25
34
mitsuba-renderer/drjit

Dr.Jit — Un compilateur Just-In-Time pour le rendu différentiable

mitsuba-renderer
⭐ 815 C++ 👤 mitsuba-renderer Organization 🕐 Mis à jour 2026-10-22 📅 Créé 2020-05-06
35
4thd1m/iruka

Structures de données et algorithmes pour les ingénieurs web

4thd1m
⭐ 780 TypeScript 👤 4thd1m User 🕐 Mis à jour 2026-04-08 📅 Créé 2020-05-28
36
ott-jax/ott

Outils de transport optimaux implémentés avec le framework JAX, pour résoudre des problèmes de mise en correspondance à grande échelle de toute nature.

ott-jax
⭐ 773 Python 👤 ott-jax Organization 🕐 Mis à jour 2026-11-20 📅 Créé 2021-12-24
37
ThoughtWorksInc/DeepLearning.scala

Une bibliothèque simple pour créer des réseaux de neurones complexes

ThoughtWorksInc
⭐ 772 Scala 👤 ThoughtWorksInc Organization 🕐 Mis à jour 2024-07-30 📅 Créé 2016-11-21
38
PennyLaneAI/demos

Introductions aux concepts clés de la programmation quantique, ainsi que des tutoriels et des implémentations issus de recherches de pointe en informatique quantique.

PennyLaneAI
⭐ 679 Python 👤 PennyLaneAI Organization 🕐 Mis à jour 2026-11-19 📅 Créé 2019-10-09
39
tumaer/JAXFLUIDS

Package de dynamique des fluides différentiable

tumaer
⭐ 674 Python 👤 tumaer Organization 🕐 Mis à jour 2026-08-28 📅 Créé 2022-03-21
⭐ 672 Julia 👤 mcabbott User 🕐 Mis à jour 2026-11-11 📅 Créé 2019-06-23
41
praeclarum/webgpu-torch

Calcul tensoriel avec accélération WebGPU

praeclarum
⭐ 640 TypeScript 👤 praeclarum User 🕐 Mis à jour 2024-07-25 📅 Créé 2023-04-30
42
metaopt/torchopt

TorchOpt est une bibliothèque efficace pour l'optimisation différentiable construite sur PyTorch.

metaopt
⭐ 639 Python 👤 metaopt Organization 🕐 Mis à jour 2026-11-02 📅 Créé 2022-04-08
43
mitmath/matrixcalc

Cours intensif MIT IAP : Calcul matriciel pour l'apprentissage automatique et au-delà

mitmath
⭐ 628 Jupyter Notebook 👤 mitmath Organization 🕐 Mis à jour 2026-01-31 📅 Créé 2022-01-04
44
f-dangel/backpack

BackPACK - un package de rétropropagation construit sur PyTorch qui calcule efficacement des quantités autres que le gradient.

f-dangel
⭐ 620 Python 👤 f-dangel User 🕐 Mis à jour 2026-07-17 📅 Créé 2019-07-11
45
EnzymeAD/Enzyme.jl

Liaisons Julia pour le différenciateur automatique Enzyme

EnzymeAD
⭐ 594 Julia 👤 EnzymeAD Organization 🕐 Mis à jour 2026-11-20 📅 Créé 2019-09-06
46
coin-or/CppAD

Un progiciel C++ pour la différenciation algorithmique : Page d'accueil

coin-or
⭐ 594 C++ 👤 coin-or Organization 🕐 Mis à jour 2026-11-13 📅 Créé 2015-01-13
47
MilesCranmer/lagrangian_nns

Réseaux de neurones lagrangiens

MilesCranmer
⭐ 573 Python 👤 MilesCranmer User 🕐 Mis à jour 2025-09-24 📅 Créé 2020-01-05
48
breandan/kotlingrad

🧩 Différenciation symbolique sûre en forme avec des types de données algébriques

breandan
⭐ 544 Kotlin 👤 breandan User 🕐 Mis à jour 2024-12-17 📅 Créé 2018-10-19
49
chakravala/Grassmann.jl

⟨Grassmann-Clifford-Hodge⟩ algèbre géométrique différentielle

chakravala
⭐ 520 Julia 👤 chakravala User 🕐 Mis à jour 2026-11-14 📅 Créé 2017-08-26
50
raskr/rust-autograd

Tenseurs et opérations différentiables (comme TensorFlow) en Rust

raskr
⭐ 503 Rust 👤 raskr User 🕐 Mis à jour 2026-06-02 📅 Créé 2017-09-05

Foire aux questions

1

Quel est le dépôt #automatic-differentiation le plus populaire sur GitHub ?

Le projet #automatic-differentiation open source le mieux classé sur GitHub est karpathy/micrograd, avec 19,036 étoiles. Un minuscule moteur autograd à valeur scalaire et une bibliothèque de réseaux neuronaux par-dessus avec une API de type PyTorch

2

Quels langages de programmation sont les plus utilisés dans les dépôts #automatic-differentiation ?

Parmi les projets #automatic-differentiation les mieux classés sur GitHub, les langages de programmation les plus courants sont Python, C++, Julia, Jupyter Notebook.

3

Comment le classement des dépôts #automatic-differentiation est-il calculé ?

Nous suivons 50 dépôts open source actifs associés à #automatic-differentiation (500+ étoiles), totalisant 94,135 étoiles, avec une moyenne de 1,882 étoiles par dépôt. Les classements sont mis à jour quotidiennement à partir de l’API GitHub.