#neural-architecture-search Dépôts
Découvrez 18 dépôts GitHub open source actifs associés à #neural-architecture-search, cumulant 33,183 étoiles au total (soit une moyenne de 1,843 étoiles par projet). Le projet en tête de ce thème est keras-team/autokeras, avec 9,340 étoiles.
18 dépôts au total
Une liste sélectionnée de papiers, articles, tutoriels, diapositives et projets d'apprentissage automatique automatisé
Infrastructure pour les systèmes d’IA évolutionnaire. Optimisation basée sur PyTorch et accélérée par GPU, avec un écosystème de bibliothèques d’algorithmes, de benchmarks et d’outils.
L'IA arrive. Un rêve d'apprentissage profond automatique. Une approche RDBMS de l'apprentissage profond. Déclaratif, explicable, évolutif, optimisable, facile à déployer, toutes ces bonnes choses.
AVERTISSEMENT : le projet Katib est OBSOLÈTE. Les utilisateurs doivent migrer vers OptimizationJob et Kubeflow Trainer.
Une boîte à outils d'opérations compositionnelles pour l'optimisation bi-niveau basée sur le gradient
Un framework et une boîte à outils AutoML pour l'apprentissage automatique sur les graphes.
Apprentissage rapide et simple de la structure de réseau profond sous contrainte de ressources
Voici une liste d'articles et de projets intéressants sur TinyML.
Curatage d'une liste de recherches, outils, projets et autres ressources liés à l'AutoML
[NeurIPS 2020] MCUNet: Tiny Deep Learning sur les appareils IoT ; [NeurIPS 2021] MCUNetV2 : Inférence basée sur des patchs à haut rendement mémoire pour le Tiny Deep Learning ; [NeurIPS 2022] MCUNetV3 : Entraînement sur appareil avec moins de 256 Ko de mémoire
[NeurIPS 2020] MCUNet : Tiny Deep Learning sur les appareils IoT ; [NeurIPS 2021] MCUNetV2 : Inférence basée sur des patchs économe en mémoire pour le Tiny Deep Learning
NASLib est une bibliothèque de recherche d'architecture neuronale (NAS) qui facilite la recherche NAS pour la communauté en fournissant des interfaces à plusieurs espaces de recherche NAS de pointe et optimiseurs.
Résumé, Code pour la Quantification de Réseaux de Neurones Profonds
Une interface unifiée pour les algorithmes d'optimisation et les expériences
Foire aux questions
Quel est le dépôt #neural-architecture-search le plus populaire sur GitHub ?
Le projet #neural-architecture-search open source le mieux classé sur GitHub est keras-team/autokeras, avec 9,340 étoiles. Bibliothèque AutoML pour l'apprentissage profond
Quels langages de programmation sont les plus utilisés dans les dépôts #neural-architecture-search ?
Parmi les projets #neural-architecture-search les mieux classés sur GitHub, les langages de programmation les plus courants sont Python, C.
Comment le classement des dépôts #neural-architecture-search est-il calculé ?
Nous suivons 18 dépôts open source actifs associés à #neural-architecture-search (500+ étoiles), totalisant 33,183 étoiles, avec une moyenne de 1,843 étoiles par dépôt. Les classements sont mis à jour quotidiennement à partir de l’API GitHub.