#hyperparameter-tuning Repository
Scopri 30 repository GitHub open source attivi contrassegnati con #hyperparameter-tuning, che raccolgono un totale di 86,490 stelle (con una media di 2,883 stelle per progetto). Il progetto leader di questo argomento è tensorflow/playground, con 13,115 stelle.
30 repository in totale
La piattaforma per sviluppatori AI. Usa Weights & Biases per addestrare e affinare modelli, e gestire modelli dall'esperimentazione alla produzione.
La piattaforma di calcolo AI per team all'avanguardia. SkyPilot trasforma il calcolo AI frammentato in un supercomputer AI, consentendo ai team all'avanguardia di costruire intelligenza personalizzata più velocemente.
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
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.
Il toolkit NVIDIA NeMo Agent è una libreria open-source per connettere e ottimizzare in modo efficiente team di agenti AI.
ATTENZIONE: il progetto Katib è DEPRECATO. Gli utenti dovrebbero migrare a OptimizationJob e Kubeflow Trainer.
Interfaccia di ricerca basata su Python per l'ottimizzazione blackbox e degli iperparametri, basata sul servizio interno di Google Vizier.
pacchetto R caret (Classification And Regression Training) che contiene funzioni varie per l'allenamento e la visualizzazione di modelli di classificazione e regressione
fitlog è uno strumento utilizzato nel training di deep learning per aiutare gli utenti a registrare log e gestire il codice.
SMAC3: Un pacchetto versatile di ottimizzazione bayesiana per l'ottimizzazione degli iperparametri
🔥 Un agente AI autonomo che esegue i tuoi esperimenti di deep learning 24/7 mentre dormi. Monitoraggio a costo zero, architettura Leader-Worker, memoria a dimensione costante.
Repository per NeurIPS 2020 Spotlight "AdaBelief Optimizer: Adapting stepsizes by the belief in observed gradients"
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.
Un'implementazione minimale di PyTorch di modelli di diffusione probabilistici per set di dati 2D.
Pagina web di accompagnamento per il libro "Bayesian Optimization" di Roman Garnett
OCTIS: Confrontare Topic Models è Semplice! Un pacchetto python per ottimizzare e valutare topic models (accettato al demo track dell'EACL2021)
Implementazione/Tutorial sull'utilizzo di metodi di apprendimento automatico automatizzato (AutoML) per l'apprendimento statico/batch e online/continuale
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-tuning più popolare su GitHub?
Il progetto open source #hyperparameter-tuning più alto in classifica su GitHub è tensorflow/playground, con 13,115 stelle. Gioca con le reti neurali!
Quali linguaggi di programmazione sono più utilizzati nei repository #hyperparameter-tuning?
Tra i progetti #hyperparameter-tuning più alti in classifica su GitHub, i linguaggi di programmazione più comuni sono Python, Jupyter Notebook, R, TypeScript.
Come viene calcolata la classifica dei repository #hyperparameter-tuning?
Monitoriamo 30 repository open source attivi contrassegnati con #hyperparameter-tuning (500+ stelle), per un totale di 86,490 stelle e una media di 2,883 stelle per repository. Le classifiche vengono aggiornate quotidianamente tramite l’API di GitHub.