Startseite Projekte label-maker
label-maker

label-maker

von developmentseed · GitHub

Datenvorbereitung für maschinelles Lernen mit Satelliten

Auf GitHub ansehen
⭐ Sterne
🍴 Forks
🔥 Trendend
📜 Lizenz
Kommerzielle Nutzung erlaubt
📅 Erstellt
🔄 Letzter Commit
🏷️ Kategorie
💻 Sprache
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 →
label-maker — GitHub preview card
📈 Sternhistorie
470469
2026-07-202026-07-29
📈 label-maker verfolgen

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

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

Datenvorbereitung für maschinelles Lernen mit Satelliten

label-maker hat 470 Sterne auf GitHub. Es wurde 107-mal geforkt. label-maker ist hauptsächlich in Python geschrieben. Es wird seit 2018 aktiv entwickelt. label-maker ist unter der MIT-Lizenz verfügbar. Die Hauptthemen sind: computer-vision, data-preparation, deep-learning, keras.

Frequently asked questions

Was ist label-maker?

Datenvorbereitung für maschinelles Lernen mit Satelliten

Ist label-maker Open Source?

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

Ist label-maker kostenlos?

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

Unter welcher Lizenz steht label-maker?

label-maker ist unter der MIT-Lizenz verfügbar.

In welcher Sprache ist label-maker geschrieben?

label-maker ist hauptsächlich in Python geschrieben.

🏅 Wartender dieses Projekts?
OpenSourceAI badge — label-maker

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

[![OpenSourceAI](https://opensourceai.tech/badge.php?tool=developmentseed-label-maker)](https://opensourceai.tech/project/developmentseed-label-maker.html)
Weitere Abzeichenoptionen →
🧬 Teilt DNA mit🧬 DNA-Karte ansehen →

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