#hyperparameter-tuning Dépôts
Découvrez 30 dépôts GitHub open source actifs associés à #hyperparameter-tuning, cumulant 86,490 étoiles au total (soit une moyenne de 2,883 étoiles par projet). Le projet en tête de ce thème est tensorflow/playground, avec 13,115 étoiles.
30 dépôts au total
La plateforme pour les développeurs d'IA. Utilisez Weights & Biases pour entraîner et affiner les modèles, et gérer les modèles de l'expérimentation à la production.
La plateforme de calcul IA pour les équipes de pointe. SkyPilot transforme le calcul IA fragmenté en un superordinateur IA, permettant aux équipes de pointe de construire plus rapidement une intelligence personnalisée.
Notes, devoirs de programmation et quiz de tous les cours de la spécialisation Deep Learning de Coursera proposés par deeplearning.ai : (i) Réseaux neuronaux et Deep Learning ; (ii) Amélioration des réseaux neuronaux profonds : réglage des hyperparamètres, régularisation et optimisation ; (iii) Structuration des projets d'apprentissage automatique ; (iv) Réseaux neuronaux convolutifs ; (v) Modèles de séquence
Determined est une plateforme open-source d'apprentissage automatique qui simplifie l'entraînement distribué, le réglage des hyperparamètres, le suivi des expériences et la gestion des ressources. Fonctionne avec PyTorch et TensorFlow.
Un framework d'entraînement pour les agents d'apprentissage par renforcement Stable Baselines3, avec optimisation des hyperparamètres et agents pré-entraînés inclus.
La boîte à outils NVIDIA NeMo Agent est une bibliothèque open-source pour connecter et optimiser efficacement des équipes d'agents IA.
AVERTISSEMENT : le projet Katib est OBSOLÈTE. Les utilisateurs doivent migrer vers OptimizationJob et Kubeflow Trainer.
Interface de recherche basée sur Python pour l'optimisation de boîtes noires et d'hyperparamètres, basée sur le service interne Google Vizier.
package R caret (Classification And Regression Training) qui contient diverses fonctions pour l'entraînement et la visualisation de modèles de classification et de régression
fitlog est un outil utilisé dans l'entraînement en apprentissage profond pour aider les utilisateurs à enregistrer des journaux et à gérer le code.
SMAC3 : Un package polyvalent d'optimisation bayésienne pour l'optimisation des hyperparamètres
🔥 Un agent IA autonome qui exécute vos expériences d'apprentissage profond 24/7 pendant que vous dormez. Surveillance à coût zéro, architecture Leader-Worker, mémoire de taille constante.
Dépôt pour le projecteur NeurIPS 2020 « AdaBelief Optimizer : Adapting stepsizes by the belief in observed gradients »
HyperView est un laboratoire de stratégies TradingView axé sur le terminal pour télécharger les données de marché, backtester des stratégies Python avec un comportement similaire à Pine, et optimiser les paramètres SL/TP.
Une implémentation minimale de PyTorch de modèles de diffusion probabilistes pour des ensembles de données 2D.
Page Web d'accompagnement du livre "Bayesian Optimization" de Roman Garnett
Une plateforme pour la gestion d'expériences d'apprentissage automatique
OCTIS : Comparer les modèles de sujets est simple ! Un package Python pour optimiser et évaluer les modèles de sujets (accepté à la piste de démonstration EACL2021)
Implémentation/Tutoriel de l'utilisation des méthodes d'apprentissage automatique automatisé (AutoML) pour l'apprentissage statique/par lots et l'apprentissage en ligne/continu
La bibliothèque AutoML la plus propre au monde ✨ - Effectuez l'accordage des hyperparamètres avec les bonnes abstractions de pipeline pour écrire des pipelines de production d'apprentissage profond propres. Laissez les étapes de votre pipeline avoir des espaces d'hyperparamètres. Concevez les étapes de votre pipeline comme des composants. Compatible avec Scikit-Learn, TensorFlow et la plupart des autres bibliothèques, frameworks et environnements MLOps.
Foire aux questions
Quel est le dépôt #hyperparameter-tuning le plus populaire sur GitHub ?
Le projet #hyperparameter-tuning open source le mieux classé sur GitHub est tensorflow/playground, avec 13,115 étoiles. Joue avec les réseaux de neurones !
Quels langages de programmation sont les plus utilisés dans les dépôts #hyperparameter-tuning ?
Parmi les projets #hyperparameter-tuning les mieux classés sur GitHub, les langages de programmation les plus courants sont Python, Jupyter Notebook, R, TypeScript.
Comment le classement des dépôts #hyperparameter-tuning est-il calculé ?
Nous suivons 30 dépôts open source actifs associés à #hyperparameter-tuning (500+ étoiles), totalisant 86,490 étoiles, avec une moyenne de 2,883 étoiles par dépôt. Les classements sont mis à jour quotidiennement à partir de l’API GitHub.