Git Stars Git Stars

#interpretable-ai Dépôts

Découvrez 10 dépôts GitHub open source actifs associés à #interpretable-ai, cumulant 36,295 étoiles au total (soit une moyenne de 3,629 étoiles par projet). Le projet en tête de ce thème est jacobgil/pytorch-grad-cam, avec 13,014 étoiles.

10
Total des Dépôts
36,295
Nombre total d'étoiles
3,629
Moyenne d'Étoiles/Dépôt
1
jacobgil/pytorch-grad-cam

Explicabilité avancée de l'IA pour la vision par ordinateur. Support pour CNN, Vision Transformers, Classification, Détection d'objets, Segmentation, Similarité d'images et plus.

jacobgil
⭐ 13,014 Python 👤 jacobgil User 🕐 Mis à jour 2026-11-01 📅 Créé 2017-05-31
2
interpretml/interpret

Ajustez des modèles interprétables. Expliquez l'apprentissage automatique en boîte noire.

interpretml
⭐ 6,986 C++ 👤 interpretml Organization 🕐 Mis à jour 2026-11-16 📅 Créé 2019-05-03
3
meta-pytorch/captum

Interprétabilité et compréhension du modèle pour PyTorch

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

Une liste sélectionnée de ressources formidables sur l'apprentissage automatique responsable.

jphall663
⭐ 4,088 👤 jphall663 User 🕐 Mis à jour 2026-06-03 📅 Créé 2018-06-21
5
linkedin/greykite

Une bibliothèque de prévision flexible, intuitive et rapide

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

Une collection de matériel de recherche sur l'IA/ML explicable

wangyongjie-ntu
⭐ 1,660 Markdown 👤 wangyongjie-ntu User 🕐 Mis à jour 2026-08-19 📅 Créé 2020-02-16
7
dswah/pyGAM

[CONTRIBUTEURS BIENVENUS] Modèles Additifs Généralisés en Python

dswah
⭐ 1,024 Python 👤 dswah User 🕐 Mis à jour 2026-04-21 📅 Créé 2017-01-19
8
Felix-Petersen/difflogic

Une bibliothèque pour les réseaux de portes logiques différentiables

Felix-Petersen
⭐ 749 Python 👤 Felix-Petersen User 🕐 Mis à jour 2024-03-19 📅 Créé 2022-11-28
9
jphall663/interpretable_machine_learning_with_python

Exemples de techniques pour entraîner des modèles ML interprétables, expliquer des modèles ML et déboguer des modèles ML en termes de précision, discrimination et sécurité.

jphall663
⭐ 679 Jupyter Notebook 👤 jphall663 User 🕐 Mis à jour 2024-06-17 📅 Créé 2018-03-14
10
tensorflow/lattice

Méthodes Lattice dans TensorFlow

tensorflow
⭐ 520 Python 👤 tensorflow Organization 🕐 Mis à jour 2024-07-30 📅 Créé 2017-09-22

Foire aux questions

1

Quel est le dépôt #interpretable-ai le plus populaire sur GitHub ?

Le projet #interpretable-ai open source le mieux classé sur GitHub est jacobgil/pytorch-grad-cam, avec 13,014 étoiles. Explicabilité avancée de l'IA pour la vision par ordinateur. Support pour CNN, Vision Transformers, Classification, Détection d'objets, Segmentation, Similarité d'images et plus.

2

Quels langages de programmation sont les plus utilisés dans les dépôts #interpretable-ai ?

Parmi les projets #interpretable-ai les mieux classés sur GitHub, les langages de programmation les plus courants sont Python, C++, Markdown, Jupyter Notebook.

3

Comment le classement des dépôts #interpretable-ai est-il calculé ?

Nous suivons 10 dépôts open source actifs associés à #interpretable-ai (500+ étoiles), totalisant 36,295 étoiles, avec une moyenne de 3,629 étoiles par dépôt. Les classements sont mis à jour quotidiennement à partir de l’API GitHub.