Git Stars Git Stars

#interpretable-ai Repository

Scopri 10 repository GitHub open source attivi contrassegnati con #interpretable-ai, che raccolgono un totale di 36,295 stelle (con una media di 3,629 stelle per progetto). Il progetto leader di questo argomento è jacobgil/pytorch-grad-cam, con 13,014 stelle.

10
Totale Repository
36,295
Totale stelle
3,629
Media Stelle/Repo

10 repository in totale

1
jacobgil/pytorch-grad-cam

Spiegabilità avanzata dell'IA per la visione artificiale. Supporto per CNN, Vision Transformers, Classificazione, Rilevamento oggetti, Segmentazione, Similarità di immagini e altro.

jacobgil
⭐ 13,014 Python 👤 jacobgil User 🕐 Aggiornato 2026-11-01 📅 Creato 2017-05-31
2
interpretml/interpret

Adatta modelli interpretabili. Spiega il machine learning blackbox.

interpretml
⭐ 6,986 C++ 👤 interpretml Organization 🕐 Aggiornato 2026-11-16 📅 Creato 2019-05-03
3
meta-pytorch/captum

Interpretabilità e comprensione del modello per PyTorch

meta-pytorch
⭐ 5,723 Python 👤 meta-pytorch Organization 🕐 Aggiornato 2026-11-19 📅 Creato 2019-08-27
4
jphall663/awesome-machine-learning-interpretability

Una lista curata di risorse fantastiche per il machine learning responsabile.

jphall663
⭐ 4,088 👤 jphall663 User 🕐 Aggiornato 2026-06-03 📅 Creato 2018-06-21
5
linkedin/greykite

Una libreria di previsione flessibile, intuitiva e veloce

linkedin
⭐ 1,855 Python 👤 linkedin Organization 🕐 Aggiornato 2025-02-20 📅 Creato 2021-04-27
6
wangyongjie-ntu/Awesome-explainable-AI

Una raccolta di materiali di ricerca sull'IA/ML spiegabile

wangyongjie-ntu
⭐ 1,660 Markdown 👤 wangyongjie-ntu User 🕐 Aggiornato 2026-08-19 📅 Creato 2020-02-16
7
dswah/pyGAM

[COLLABORATORI BENVENUTI] Modelli Additivi Generalizzati in Python

dswah
⭐ 1,024 Python 👤 dswah User 🕐 Aggiornato 2026-04-21 📅 Creato 2017-01-19
8
Felix-Petersen/difflogic

Una libreria per reti di porte logiche differenziabili

Felix-Petersen
⭐ 749 Python 👤 Felix-Petersen User 🕐 Aggiornato 2024-03-19 📅 Creato 2022-11-28
9
jphall663/interpretable_machine_learning_with_python

Esempi di tecniche per addestrare modelli ML interpretabili, spiegare modelli ML e debuggare modelli ML per accuratezza, discriminazione e sicurezza.

jphall663
⭐ 679 Jupyter Notebook 👤 jphall663 User 🕐 Aggiornato 2024-06-17 📅 Creato 2018-03-14
10
tensorflow/lattice

Metodi Lattice in TensorFlow

tensorflow
⭐ 520 Python 👤 tensorflow Organization 🕐 Aggiornato 2024-07-30 📅 Creato 2017-09-22

Domande frequenti

1

Qual è il repository #interpretable-ai più popolare su GitHub?

Il progetto open source #interpretable-ai più alto in classifica su GitHub è jacobgil/pytorch-grad-cam, con 13,014 stelle. Spiegabilità avanzata dell'IA per la visione artificiale. Supporto per CNN, Vision Transformers, Classificazione, Rilevamento oggetti, Segmentazione, Similarità di immagini e altro.

2

Quali linguaggi di programmazione sono più utilizzati nei repository #interpretable-ai?

Tra i progetti #interpretable-ai più alti in classifica su GitHub, i linguaggi di programmazione più comuni sono Python, C++, Markdown, Jupyter Notebook.

3

Come viene calcolata la classifica dei repository #interpretable-ai?

Monitoriamo 10 repository open source attivi contrassegnati con #interpretable-ai (500+ stelle), per un totale di 36,295 stelle e una media di 3,629 stelle per repository. Le classifiche vengono aggiornate quotidianamente tramite l’API di GitHub.