#optimization-algorithms Dépôts
Découvrez 48 dépôts GitHub open source actifs associés à #optimization-algorithms, cumulant 113,155 étoiles au total (soit une moyenne de 2,357 étoiles par projet). Le projet en tête de ce thème est google-research/tuning_playbook, avec 29,619 étoiles.
48 dépôts au total
Un guide pour maximiser systématiquement les performances des modèles d'apprentissage profond.
Mes notes et démos continuellement mises à jour sur Machine Learning, Modèles Probabilistes et Deep Learning (2000+ diapositives) Mes supports de cours mis à jour sans interruption sur l'apprentissage automatique, les modèles probabilistes et l'apprentissage profond (2000+ pages) et liens vidéo
Optimisez les invites, le code et plus encore grâce à l'optimisation réflexive alimentée par l'IA
Articles primés (Prix O) du concours de mathématiques des États-Unis de 2004 à 2020
Algorithmes intelligents : Recettes de programmation inspirées de la nature
L'IA Solver open source pour Java et Kotlin pour optimiser la planification et le routage. Résolvez le problème du routage des véhicules, la planification des équipes, l'attribution des tâches, la planification de la maintenance et d'autres problèmes de planification.
Ce dépôt présente un système d'optimisation énergétique (EOS) qui optimise la distribution d'énergie, l'utilisation des batteries, des pompes à chaleur et des appareils électroménagers. Il comprend des modèles prédictifs pour les prix de l'électricité (prévu), la prévision de la charge et l'optimisation dynamique pour maximiser l'efficacité énergétique et minimiser les coûts. Fondateur Dr Andreas Schmitz (YouTube @akkudoktor)
Un kit d'outils de recherche pour l'optimisation par essaim de particules en Python
Une liste curatée d'excellents liens et de bibliothèques logicielles utiles pour les robots.
Bibliothèque avancée de calcul évolutionniste construite directement sur PyTorch, créée chez NNAISENSE.
Dépôt pour le projecteur NeurIPS 2020 « AdaBelief Optimizer : Adapting stepsizes by the belief in observed gradients »
Bibliothèque C++ pour l'analyse et l'évaluation d'expressions mathématiques https://www.partow.net/programming/exprtk/index.html
Une méthode simple pour trouver la calibration extrinsèque entre un lidar 3D et un capteur de pose à 6 degrés de liberté
La bibliothèque d'optimisation C++17 open-source la plus rapide pour les problèmes non linéaires sans contraintes. Header-only, dépendance unique. Fiabilité maximale, expressions de fonctions composables, solveurs avec et sans contraintes.
Introduction à la modélisation mathématique : le tutoriel le plus complet sur les modèles et algorithmes de modélisation mathématique sur tout le Web, vous ouvrant les portes de la modélisation mathématique !
Une plateforme C++ pour effectuer des calculs parallèles de tâches d'optimisation (globales et locales) via le modèle d'îles généralisé asynchrone.
OptimLib : une bibliothèque légère en C++ pour les méthodes d'optimisation numérique des fonctions non linéaires
LLM4AD : une plateforme pour la conception d’algorithmes avec des modèles de langue de grande taille
Un cadre d'apprentissage profond pour l'optimisation symbolique.
L'implémentation officielle de MARS : Libérer la puissance de la réduction de variance pour l'entraînement de grands modèles
Bibliothèque de Partitionnement et de Triangulation de Polygones Minuscule
Un bestiaire d'algorithmes évolutionnaires, en essaim et autres basés sur des métaphores
Clarabel.rs : Solveur de point intérieur pour les problèmes d'optimisation conique convexe en Rust.
Python-MIP : collection d'outils Python pour la modélisation et la résolution de programmes linéaires en nombres entiers mixtes
Utilisez des modèles PyTorch avec CasADi pour l'optimisation basée sur les données ou le contrôle optimal basé sur l'apprentissage. Prend en charge Acados.
Une plateforme Python pour effectuer des calculs parallèles de tâches d'optimisation (globales et locales) via le modèle d'îles généralisé asynchrone.
Avec Uno, prenez enfin le contrôle total de votre solveur SQP/barrière pour l'optimisation sous contraintes non linéaires.
Foire aux questions
Quel est le dépôt #optimization-algorithms le plus populaire sur GitHub ?
Le projet #optimization-algorithms open source le mieux classé sur GitHub est google-research/tuning_playbook, avec 29,619 étoiles. Un guide pour maximiser systématiquement les performances des modèles d'apprentissage profond.
Quels langages de programmation sont les plus utilisés dans les dépôts #optimization-algorithms ?
Parmi les projets #optimization-algorithms les mieux classés sur GitHub, les langages de programmation les plus courants sont C++, Python, Jupyter Notebook, Rust.
Comment le classement des dépôts #optimization-algorithms est-il calculé ?
Nous suivons 48 dépôts open source actifs associés à #optimization-algorithms (500+ étoiles), totalisant 113,155 étoiles, avec une moyenne de 2,357 étoiles par dépôt. Les classements sont mis à jour quotidiennement à partir de l’API GitHub.