singan Verilog

Fork 0 关注 0

该文件为pytorch官方实现：“ SinGAN：从单个自然图像中学习生成模型” 使用SinGAN，您可以从单个自然图像中训练生成模型，然后从给定图像中生成随机样本

原始仓库地址：https://github.com/tamarott/singan.git

keras-rl Verilog

Fork 0 关注 0

keras-rl在Python中实现了一些最先进的深度强化学习算法，并与深度学习库Keras无缝集成。 此外，keras-rl可与OpenAI Gym一起使用。 这意味着评估和使用不同算法很容易。 当然，您可以根据自己的需要扩展keras-rl。 您可以使用内置的Keras回调和指标或定义自己的指标。 更重要的是，只需扩展一些简单的抽象类，即可轻松实现自己的环境甚至算法。 文档可在线获得。

原始仓库地址：https://github.com/keras-rl/keras-rl.git

catalyst Python

Fork 0 关注 0

用于DL和RL研究的PyTorch框架。 它的开发侧重于可重复性，快速实验和代码/想法重用。 能够研究/开发新事物，而不是编写另一个常规火车循环。 打破循环-使用Catalyst！

原始仓库地址：https://github.com/catalyst-team/catalyst.git

model-analysis Verilog

Fork 0 关注 0

TensorFlow模型分析（TFMA）是用于评估TensorFlow模型的库。 它允许用户使用他们的培训器中定义的相同指标，以分布式方式评估他们在大量数据上的模型。 这些指标可以在不同的数据切片上计算并在Jupyter笔记本中可视化。

原始仓库地址：https://github.com/tensorflow/model-analysis.git

transmogrifai Verilog

Fork 0 关注 0

TransmogrifAI（发音为trăns-mŏgˈrə-fī）是用Scala编写的AutoML库，它在Apache Spark之上运行。 它的开发重点是通过机器学习自动化来提高机器学习开发人员的生产率，以及一个用于强制执行编译时类型安全，模块化和重用的API。 通过自动化，它实现了接近手动调整模型的精度，时间减少了近100倍。

原始仓库地址：https://github.com/salesforce/transmogrifai.git

dopamine Verilog

Fork 0 关注 0

***dopamine***是用于强化学习算法的快速原型制作的研究框架。它旨在满足对小型、易处理的代码库的需求，用户可以在其中自由地试验荒诞的想法（推测性研究）。 本框架特点： 轻松上手、灵活开发、简洁可靠、易于重现。

原始仓库地址：https://github.com/google/dopamine.git

RMDL Python

Fork 0 关注 0

RMDL: Random Multimodel Deep Learning for Classification（分类的随机多模态深度学习） 一种新的集成、深度学习分类方法。RMDL通过深度学习体系结构的集成，解决了寻找最佳深度学习结构和体系结构的问题，同时提高了鲁棒性和准确性。它可以接受包括文本、视频、图像和符号在内的各种数据作为输入。

原始仓库地址：https://github.com/kk7nc/rmdl.git

gym

Fork 0 关注 0

原始仓库地址：https://github.com/openai/gym.git

baselines Jupyter Notebook

Fork 0 关注 0

OpenAI Baselines 是一个强化学习算法的实现库

原始仓库地址：https://github.com/openai/baselines.git

interpret C++

Fork 0 关注 0

InterpretML是一个开源python软件包，用于训练可解释的机器学习模型，并能解释黑匣子系统

原始仓库地址：https://github.com/interpretml/interpret.git