#automatic-differentiation Repository
Scopri 50 repository GitHub open source attivi contrassegnati con #automatic-differentiation, che raccolgono un totale di 94,135 stelle (con una media di 1,882 stelle per progetto). Il progetto leader di questo argomento è karpathy/micrograd, con 19,036 stelle.
50 repository in totale
Un minuscolo motore autograd a valori scalari e una libreria di reti neurali sopra di esso con API simile a PyTorch
MindSpore è un nuovo framework di training/inferenza per deep learning open source che potrebbe essere utilizzato per scenari mobili, edge e cloud.
Un'implementazione rapida e flessibile di algoritmi di dinamica del corpo rigido e delle loro derivate analitiche
PennyLane è una piattaforma open source di software quantistico per il calcolo quantistico, il machine learning quantistico e la chimica quantistica. Crea algoritmi quantistici significativi, dall'ispirazione all'implementazione.
Linguaggio di ricerca per l'elaborazione di array nella famiglia Haskell/ML
Una libreria di tensori veloce, ergonomica e portatile in Nim con un focus sul deep learning per CPU, GPU e dispositivi embedded tramite backend OpenMP, Cuda e OpenCL
Ottimizzazione del design degli aeromobili resa rapida attraverso trasformazioni di grafi computazionali (ad es., differenziazione automatica). Strumenti di analisi componibili per aerodinamica, propulsione, strutture, progettazione di traiettorie e molto altro.
Tiny Differentiable Simulator è una libreria fisica C++ e CUDA solo header per il reinforcement learning e la robotica senza dipendenze.
Libreria Tensoriale Differenziabile Veloce in JavaScript e TypeScript con Bun + Flashlight
OptimLib: una libreria leggera in C++ per metodi di ottimizzazione numerica per funzioni non lineari
Ottimizzazione matematica in Julia. Locale, globale, basata sul gradiente e senza derivate. Ottimizzazione lineare, quadratica, convessa, a numeri interi misti e non lineare in un'unica interfaccia semplice, veloce e differenziabile.
La Stan Math Library è una libreria di template C++ per la differenziazione automatica di qualsiasi ordine utilizzando modalità forward, reverse e miste. Include una gamma di funzioni integrate per la modellazione probabilistica, algebra lineare e risoluzione di equazioni.
Strumenti di trasporto ottimali implementati con il framework JAX, per risolvere problemi di matching su larga scala di qualsiasi tipo.
Introduzioni ai concetti chiave nella programmazione quantistica, nonché tutorial e implementazioni dalla ricerca all'avanguardia nel calcolo quantistico.
TorchOpt è una libreria efficiente per l'ottimizzazione differenziabile basata su PyTorch.
BackPACK - un pacchetto di backpropagation costruito su PyTorch che calcola efficientemente quantità diverse dal gradiente.
Domande frequenti
Qual è il repository #automatic-differentiation più popolare su GitHub?
Il progetto open source #automatic-differentiation più alto in classifica su GitHub è karpathy/micrograd, con 19,036 stelle. Un minuscolo motore autograd a valori scalari e una libreria di reti neurali sopra di esso con API simile a PyTorch
Quali linguaggi di programmazione sono più utilizzati nei repository #automatic-differentiation?
Tra i progetti #automatic-differentiation più alti in classifica su GitHub, i linguaggi di programmazione più comuni sono Python, C++, Julia, Jupyter Notebook.
Come viene calcolata la classifica dei repository #automatic-differentiation?
Monitoriamo 50 repository open source attivi contrassegnati con #automatic-differentiation (500+ stelle), per un totale di 94,135 stelle e una media di 1,882 stelle per repository. Le classifiche vengono aggiornate quotidianamente tramite l’API di GitHub.