Git Stars Git Stars

#variational-autoencoder Dépôts

Découvrez 14 dépôts GitHub open source actifs associés à #variational-autoencoder, cumulant 26,873 étoiles au total (soit une moyenne de 1,919 étoiles par projet). Le projet en tête de ce thème est openai/DALL-E, avec 10,872 étoiles.

14
Total des Dépôts
26,873
Nombre total d'étoiles
1,919
Moyenne d'Étoiles/Dépôt
Langages de programmation: Python Jupyter Notebook Java
1
openai/DALL-E

Package PyTorch pour le VAE discret utilisé pour DALL·E.

openai
⭐ 10,872 Python 👤 openai Organization 🕐 Mis à jour 2024-01-31 📅 Créé 2021-02-23
2
clementchadebec/benchmark_VAE

Unification des implémentations de Variational Autoencoder (VAE) dans Pytorch (NeurIPS 2022)

clementchadebec
⭐ 1,977 Python 👤 clementchadebec User 🕐 Mis à jour 2024-07-31 📅 Créé 2021-10-02
3
krasserm/bayesian-machine-learning

Carnets sur les méthodes bayésiennes pour l'apprentissage automatique

krasserm
⭐ 1,921 Jupyter Notebook 👤 krasserm User 🕐 Mis à jour 2026-07-12 📅 Créé 2018-03-19
4
GMvandeVen/continual-learning

Implémentation PyTorch de diverses méthodes pour l'apprentissage continu (XdG, EWC, SI, LwF, FROMP, DGR, BI-R, ER, A-GEM, iCaRL, Generative Classifier) dans trois scénarios différents.

GMvandeVen
⭐ 1,891 Jupyter Notebook 👤 GMvandeVen User 🕐 Mis à jour 2025-11-05 📅 Créé 2018-09-26
5
scverse/scvi-tools

Analyse probabiliste approfondie des données omiques à cellule unique et spatiales

scverse
⭐ 1,732 Python 👤 scverse Organization 🕐 Mis à jour 2026-11-19 📅 Créé 2017-09-06
6
jmtomczak/intro_dgm

"Deep Generative Modeling" : Exemples introductifs

jmtomczak
⭐ 1,353 Jupyter Notebook 👤 jmtomczak User 🕐 Mis à jour 2026-04-28 📅 Créé 2021-01-23
7
lizhihao6/Sparc3D

Dépôt officiel pour l'article « Sparse Representation and Construction for High-Resolution 3D Shapes Modeling ».

lizhihao6
⭐ 1,342 👤 lizhihao6 User 🕐 Mis à jour 2025-06-16 📅 Créé 2025-05-21
8
jaanli/variational-autoencoder

Encodeur automatique variationnel implémenté en tensorflow et pytorch (y compris le flux autorégressif inverse)

jaanli
⭐ 1,182 Python 👤 jaanli User 🕐 Mis à jour 2024-04-24 📅 Créé 2016-08-15
9
VincentStimper/normalizing-flows

Implémentation en PyTorch de modèles de flux normalisant

VincentStimper
⭐ 919 Python 👤 VincentStimper User 🕐 Mis à jour 2024-08-25 📅 Créé 2020-01-28
10
EdoardoBotta/RQ-VAE-Recommender

[Pytorch] Modèle de récupération générative utilisant des identifiants sémantiques issus de "Recommender Systems with Generative Retrieval"

EdoardoBotta
⭐ 858 Python 👤 EdoardoBotta User 🕐 Mis à jour 2026-08-31 📅 Créé 2024-06-17
11
eclab/edisyn

Éditeur de Patchs de Synthétiseur

eclab
⭐ 737 Java 👤 eclab User 🕐 Mis à jour 2026-11-01 📅 Créé 2017-05-29
12
SingleZombie/DL-Demos

Démonstrations d'apprentissage profond

SingleZombie
⭐ 730 Python 👤 SingleZombie User 🕐 Mis à jour 2024-12-04 📅 Créé 2022-05-09
13
EndlessSora/focal-frequency-loss

[ICCV 2021] Focal Frequency Loss pour la Reconstruction et la Synthèse d'Images

EndlessSora
⭐ 695 Python 👤 EndlessSora User 🕐 Mis à jour 2024-08-21 📅 Créé 2020-12-22
14
timbmg/VAE-CVAE-MNIST

Auto-encodeur variationnel et auto-encodeur variationnel conditionnel sur MNIST en PyTorch

timbmg
⭐ 664 Python 👤 timbmg User 🕐 Mis à jour 2026-07-17 📅 Créé 2018-02-26

Foire aux questions

1

Quel est le dépôt #variational-autoencoder le plus populaire sur GitHub ?

Le projet #variational-autoencoder open source le mieux classé sur GitHub est openai/DALL-E, avec 10,872 étoiles. Package PyTorch pour le VAE discret utilisé pour DALL·E.

2

Quels langages de programmation sont les plus utilisés dans les dépôts #variational-autoencoder ?

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

3

Comment le classement des dépôts #variational-autoencoder est-il calculé ?

Nous suivons 14 dépôts open source actifs associés à #variational-autoencoder (500+ étoiles), totalisant 26,873 étoiles, avec une moyenne de 1,919 étoiles par dépôt. Les classements sont mis à jour quotidiennement à partir de l’API GitHub.