Startseite› Projekte› PyCNN
PyCNN
Python

PyCNN

Bildverarbeitung mit zellulären neuronalen Netzwerken in Python

von ankitaggarwal011 · GitHub
Sterne
Forks
Lizenz
Erstellt
Letzter Commit
Kategorie
Sprache
cellularcnncnn-processorsMITPython
Auf GitHub ansehen
In einfachen Worten

Verarbeiten Sie Bilder mit einem spezialisierten neuronalen Netzwerk, das für Hochgeschwindigkeitsleistung ausgelegt ist.

Betreuen Sie dieses Projekt?

Beanspruchen Sie die Seite: indexiert unabhangig vom Rang, in sechs Sprachen ubersetzt und mit Ihren eigenen Worten erganzt.

Diese Seite beanspruchen →
PyCNN — GitHub preview card
📈 Sternhistorie
545544
2026-07-202026-08-31
📈 PyCNN verfolgen

Erhalten Sie eine E-Mail-Benachrichtigung beim nächsten Release oder wenn es durchstartet.

Kostenlos · ohne Karte · jederzeit abbestellbar
E-Mail-Alerts erhalten →
📄 Über

Bildverarbeitung mit zellulären neuronalen Netzwerken in Python

PyCNN hat 544 Sterne auf GitHub. Es wurde 81-mal geforkt. PyCNN ist hauptsächlich in Python geschrieben. Es wird seit 2014 aktiv entwickelt. PyCNN ist unter der MIT-Lizenz verfügbar. Die Hauptthemen sind: cellular, cnn, cnn-processors, computer-science.

❓ Frequently asked questions

Was ist PyCNN?

Bildverarbeitung mit zellulären neuronalen Netzwerken in Python

Ist PyCNN Open Source?

PyCNN ist ein Open-Source-Projekt. Es wird unter der MIT-Lizenz veröffentlicht.

Ist PyCNN kostenlos?

Ja. PyCNN ist kostenlos und Open Source — Sie können es nutzen, anpassen und selbst hosten.

Unter welcher Lizenz steht PyCNN?

PyCNN ist unter der MIT-Lizenz verfügbar.

In welcher Sprache ist PyCNN geschrieben?

PyCNN ist hauptsächlich in Python geschrieben.

🏅 Wartender dieses Projekts?
olud.ai badge — PyCNN

Fügen Sie dieses Live-Abzeichen zu Ihrem README hinzu — Ihre GitHub-Sterne und Verzeichnisrang, täglich aktualisiert.

[![olud.ai](https://olud.ai/badge.php?tool=ankitaggarwal011-pycnn)](https://olud.ai/project/ankitaggarwal011-pycnn.html)
Weitere Abzeichenoptionen →
🧬 Teilt DNA mit🧬 DNA-Karte ansehen →

Ermittelt aus gemeinsamen GitHub-Topics beider Projekte, gewichtet nach ihrer Seltenheit.