#tensor Dépôts
Découvrez 33 dépôts GitHub open source actifs associés à #tensor, cumulant 210,917 étoiles au total (soit une moyenne de 6,391 étoiles par projet). Le projet en tête de ce thème est pytorch/pytorch, avec 105,764 étoiles.
33 dépôts au total
Tenseurs et réseaux de neurones dynamiques en Python avec une forte accélération GPU
Burn est une bibliothèque de tenseurs de nouvelle génération et un framework de Deep Learning qui ne transige pas sur la flexibilité, l'efficacité et la portabilité.
Opérations sur les tenseurs flexibles et puissantes pour un code lisible et fiable (pour PyTorch, JAX, TF et autres)
MegEngine est un framework d'apprentissage profond rapide, évolutif, facile à utiliser et prenant en charge la différenciation automatique.
Mars est un cadre unifié basé sur les tenseurs pour le calcul de données à grande échelle qui met à l'échelle numpy, pandas, scikit-learn et les fonctions Python.
Une liste de projets et d'articles de compilateurs impressionnants pour le calcul tensoriel et l'apprentissage profond.
Algorithmes ML 2-2000x plus rapides, 50 % d'utilisation de mémoire en moins, fonctionne sur tout le matériel - neuf et ancien.
Mathématiques à précision mixte, kernels d’algèbre linéaire et de recherche, plus de 4 000 symboles, des nombres sur 4 bits aux nombres complexes sur 128 bits, pour x86, Arm, RISC-V, LoongArch, Power et WASM, avec AMX et SME inclus 📐
Apprentissage profond en Rust, avec des tenseurs à forme vérifiée et des réseaux neuronaux
Une bibliothèque de tenseurs rapide, ergonomique et portable en Nim avec un focus sur l'apprentissage profond pour CPU, GPU et dispositifs embarqués via les backends OpenMP, Cuda et OpenCL
Le compilateur d'algèbre tensorielle (taco) calcule des expressions de tenseurs creux sur les CPU et GPU
Introduction à PyTorch, couvrant l'initialisation des tenseurs, les opérations, l'indexation et le remodelage.
Une bibliothèque pour effectuer des opérations de chiffrement homomorphe sur des tenseurs
⚡️Optimisation des fonctions einsum dans NumPy, Tensorflow, Dask et plus encore avec optimisation de l'ordre de contraction.
Bibliothèque pour les opérations spécialisées sur matrices denses et creuses, et les primitives d'apprentissage profond.
Outils de faible rang et creux pour la modélisation et la soustraction d'arrière-plan dans les vidéos
Package Julia pour les contractions tensorielles et les opérations connexes
Foire aux questions
Quel est le dépôt #tensor le plus populaire sur GitHub ?
Le projet #tensor open source le mieux classé sur GitHub est pytorch/pytorch, avec 105,764 étoiles. Tenseurs et réseaux de neurones dynamiques en Python avec une forte accélération GPU
Quels langages de programmation sont les plus utilisés dans les dépôts #tensor ?
Parmi les projets #tensor les mieux classés sur GitHub, les langages de programmation les plus courants sont Python, C++, Rust, Julia.
Comment le classement des dépôts #tensor est-il calculé ?
Nous suivons 33 dépôts open source actifs associés à #tensor (500+ étoiles), totalisant 210,917 étoiles, avec une moyenne de 6,391 étoiles par dépôt. Les classements sont mis à jour quotidiennement à partir de l’API GitHub.