#hyperparameter-optimization Repository
Scopri 55 repository GitHub open source attivi contrassegnati con #hyperparameter-optimization, che raccolgono un totale di 247,121 stelle (con una media di 4,493 stelle per progetto). Il progetto leader di questo argomento è ray-project/ray, con 44,352 stelle.
55 repository in totale
Ray è un motore di calcolo AI. Ray consiste in un runtime distribuito principale e un set di librerie AI per accelerare i carichi di lavoro ML.
Un manuale per massimizzare sistematicamente le prestazioni dei modelli di deep learning.
Libro interattivo di deep learning con codice multi-framework, matematica e discussioni. Adoptato in 500 università di 70 paesi, inclusi Stanford, MIT, Harvard e Cambridge.
La piattaforma per sviluppatori AI. Usa Weights & Biases per addestrare e affinare modelli, e gestire modelli dall'esperimentazione alla produzione.
Uno strumento di Automated Machine Learning in Python che ottimizza i pipeline di machine learning utilizzando la programmazione genetica.
In questo notebook creerò un processo completo per prevedere i movimenti dei prezzi delle azioni. Segui e otterremo alcuni risultati piuttosto buoni. Per questo scopo useremo una Rete Avversaria Generativa (GAN) con LSTM, un tipo di Rete Neurale Ricorrente, come generatore, e una Rete Neurale Convoluzionale, CNN, come discriminatore. Usiamo LSTM per il motivo ovvio che stiamo cercando di prevedere dati di serie temporali. Perché usiamo GAN e specificamente CNN come discriminatore? È una buona q
Appunti, incarichi di programmazione e quiz di tutti i corsi della specializzazione Deep Learning di Coursera offerta da deeplearning.ai: (i) Reti neurali e Deep Learning; (ii) Miglioramento delle reti neurali profonde: tuning degli iperparametri, regolarizzazione e ottimizzazione; (iii) Strutturazione di progetti di Machine Learning; (iv) Reti neurali convoluzionali; (v) Modelli di sequenza
Una libreria veloce per AutoML e tuning. Unisciti al nostro Discord: https://discord.gg/Cppx2vSPVP.
Un kit di strumenti Python per eseguire l'ottimizzazione priva di gradiente
Una lista curata di papers, articoli, tutorial, slide e progetti di apprendimento automatico automatizzato
Pacchetto Python per AutoML su dati tabulari con Feature Engineering, Tuning degli Iper-Parametri, Spiegazioni e Documentazione Automatica
Determined è una piattaforma open-source di machine learning che semplifica l'addestramento distribuito, l'ottimizzazione degli iperparametri, il monitoraggio degli esperimenti e la gestione delle risorse. Funziona con PyTorch e TensorFlow.
Un framework di addestramento per agenti di apprendimento per rinforzo Stable Baselines3, con ottimizzazione degli iperparametri e agenti pre-addestrati inclusi.
Approaching (Almost) Any Machine Learning Problem versione cinese, indirizzo della documentazione online: https://ytzfhqs.github.io/AAAMLP-CN/
Interfaccia di ricerca basata su Python per l'ottimizzazione blackbox e degli iperparametri, basata sul servizio interno di Google Vizier.
DomainBed è una suite per testare algoritmi di generalizzazione di dominio
Robyn è un pacchetto sperimentale di Marketing Mix Modeling (MMM) open source basato su AI/ML di Meta Marketing Science. La nostra missione è democratizzare la conoscenza della modellazione, ispirare il settore attraverso l'innovazione, ridurre i bias umani nel processo di modellazione e costruire una forte comunità di marketing science open source.
ShinkaEvolve: Verso un'evoluzione aperta e efficiente in campioni del programma 🧬
Ottimizzazione leggera con tecniche locali, globali, basate sulla popolazione e sequenziali su spazi di ricerca misti
SMAC3: Un pacchetto versatile di ottimizzazione bayesiana per l'ottimizzazione degli iperparametri
Una cassetta degli attrezzi per operazioni composizionali per l'ottimizzazione a due livelli basata sul gradiente
HyperView è un laboratorio di strategie TradingView con priorità al terminale per il download dei dati di mercato, backtesting di strategie Python con comportamento simile a Pine e ottimizzazione dei parametri SL/TP.
Lo stack completo di post-training per gli LLM, più RL per qualsiasi problema. SFT, DPO e RL agentico multi-turno, con ottimizzazione evolutiva degli iperparametri integrata.
Curare un elenco di ricerche, strumenti, progetti e altre risorse relative ad AutoML
LibKGE - Una libreria per embedding di grafi della conoscenza per la ricerca riproducibile
OCTIS: Confrontare Topic Models è Semplice! Un pacchetto python per ottimizzare e valutare topic models (accettato al demo track dell'EACL2021)
La libreria AutoML più pulita al mondo ✨ - Esegui il tuning degli iperparametri con le giuste astrazioni di pipeline per scrivere pipeline di produzione di deep learning pulite. Fai in modo che i passaggi della tua pipeline abbiano spazi di iperparametri. Progetta i passaggi nella tua pipeline come componenti. Compatibile con Scikit-Learn, TensorFlow e la maggior parte delle altre librerie, framework e ambienti MLOps.
Domande frequenti
Qual è il repository #hyperparameter-optimization più popolare su GitHub?
Il progetto open source #hyperparameter-optimization più alto in classifica su GitHub è ray-project/ray, con 44,352 stelle. Ray è un motore di calcolo AI. Ray consiste in un runtime distribuito principale e un set di librerie AI per accelerare i carichi di lavoro ML.
Quali linguaggi di programmazione sono più utilizzati nei repository #hyperparameter-optimization?
Tra i progetti #hyperparameter-optimization più alti in classifica su GitHub, i linguaggi di programmazione più comuni sono Python, Jupyter Notebook, JavaScript, MDX.
Come viene calcolata la classifica dei repository #hyperparameter-optimization?
Monitoriamo 55 repository open source attivi contrassegnati con #hyperparameter-optimization (500+ stelle), per un totale di 247,121 stelle e una media di 4,493 stelle per repository. Le classifiche vengono aggiornate quotidianamente tramite l’API di GitHub.