Git Stars Git Stars

#loss-functions Dépôts

Découvrez 8 dépôts GitHub open source actifs associés à #loss-functions, cumulant 11,886 étoiles au total (soit une moyenne de 1,485 étoiles par projet). Le projet en tête de ce thème est BoltzmannEntropy/interviews.ai, avec 4,900 étoiles.

8
Total des Dépôts
11,886
Nombre total d'étoiles
1,485
Moyenne d'Étoiles/Dépôt
Langages de programmation: Python Jupyter Notebook
1
BoltzmannEntropy/interviews.ai

Je suis convaincu que vous, les étudiants diplômés et les chercheurs d'emploi pour qui ce livre est principalement destiné, en bénéficierez ; cependant, j'espère que même les chercheurs les plus expérimentés le trouveront fascinant également.

BoltzmannEntropy
⭐ 4,900 👤 BoltzmannEntropy User 🕐 Mis à jour 2026-11-21 📅 Créé 2021-09-30
2
amao2001/ganloss-latent-space

Partage du flux de travail d'un programmeur intéressant né dans les années 80

amao2001
⭐ 2,057 👤 amao2001 User 🕐 Mis à jour 2026-11-18 📅 Créé 2024-03-23
3
bermanmaxim/LovaszSoftmax

Code pour la perte Lovász-Softmax (CVPR 2018)

bermanmaxim
⭐ 1,406 Jupyter Notebook 👤 bermanmaxim User 🕐 Mis à jour 2024-04-12 📅 Créé 2018-02-21
4
csteinmetz1/auraloss

Collection de fonctions de perte axées sur l'audio dans PyTorch

csteinmetz1
⭐ 836 Python 👤 csteinmetz1 User 🕐 Mis à jour 2024-07-30 📅 Créé 2020-10-26
5
vandit15/Class-balanced-loss-pytorch

Implémentation PyTorch du papier "Class-Balanced Loss Based on Effective Number of Samples"

vandit15
⭐ 805 Python 👤 vandit15 User 🕐 Mis à jour 2024-02-18 📅 Créé 2019-08-31
6
LIVIAETS/boundary-loss

Code officiel pour "Boundary loss for highly unbalanced segmentation", deuxième du prix du meilleur article à MIDL 2019. Version étendue dans MedIA, volume 67, janvier 2021.

LIVIAETS
⭐ 714 Python 👤 LIVIAETS Organization 🕐 Mis à jour 2024-03-19 📅 Créé 2018-12-17
7
david8862/keras-YOLOv3-model-set

Pipeline de détection d'objets YOLOv4/v3/v2 de bout en bout, implémenté sur tf.keras avec différentes technologies

david8862
⭐ 638 Python 👤 david8862 User 🕐 Mis à jour 2026-08-01 📅 Créé 2019-08-18
8
harleyszhang/dl_note

Notes sur le système d'apprentissage profond, couvrant les bases mathématiques de l'apprentissage profond, l'analyse détaillée des composants fondamentaux des réseaux neuronaux, les stratégies d'entraînement en apprentissage profond, et des explications détaillées sur les algorithmes de compression de modèles.

harleyszhang
⭐ 534 Python 👤 harleyszhang User 🕐 Mis à jour 2026-08-31 📅 Créé 2022-11-30

Foire aux questions

1

Quel est le dépôt #loss-functions le plus populaire sur GitHub ?

Le projet #loss-functions open source le mieux classé sur GitHub est BoltzmannEntropy/interviews.ai, avec 4,900 étoiles. Je suis convaincu que vous, les étudiants diplômés et les chercheurs d'emploi pour qui ce livre est principalement destiné, en bénéficierez ; cependant, j'espère que même les chercheurs les plus expérimentés le trouveront fascinant également.

2

Quels langages de programmation sont les plus utilisés dans les dépôts #loss-functions ?

Parmi les projets #loss-functions les mieux classés sur GitHub, les langages de programmation les plus courants sont Python, Jupyter Notebook.

3

Comment le classement des dépôts #loss-functions est-il calculé ?

Nous suivons 8 dépôts open source actifs associés à #loss-functions (500+ étoiles), totalisant 11,886 étoiles, avec une moyenne de 1,485 étoiles par dépôt. Les classements sont mis à jour quotidiennement à partir de l’API GitHub.