Startseite Projekte dm-haiku
dm-haiku
Python

dm-haiku

JAX-basierte neuronale Netzwerkbibliothek

von google-deepmind · GitHub
Sterne
Forks
Erstellt
Letzter Commit
Kategorie
Sprache
deep-learningdeep-neural-networksjaxApache-2.0Python
Auf GitHub ansehen
In einfachen Worten

Baue und experimentiere mit neuronalen Netzwerken mithilfe einer Bibliothek, die für Deep Learning konzipiert 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 →
dm-haiku — GitHub preview card
📈 Sternhistorie
3.3k3.2k
2026-07-072026-08-31
📈 dm-haiku verfolgen

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

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

JAX-basierte neuronale Netzwerkbibliothek

dm-haiku hat 3.3k Sterne auf GitHub. Es wurde 300-mal geforkt. dm-haiku ist hauptsächlich in Python geschrieben. Es wird seit 2020 aktiv entwickelt. dm-haiku ist unter der Apache-2.0-Lizenz verfügbar. Die Hauptthemen sind: deep-learning, deep-neural-networks, jax, machine-learning.

Frequently asked questions

Was ist dm-haiku?

JAX-basierte neuronale Netzwerkbibliothek

Ist dm-haiku Open Source?

dm-haiku ist ein Open-Source-Projekt. Es wird unter der Apache-2.0-Lizenz veröffentlicht.

Ist dm-haiku kostenlos?

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

Unter welcher Lizenz steht dm-haiku?

dm-haiku ist unter der Apache-2.0-Lizenz verfügbar.

In welcher Sprache ist dm-haiku geschrieben?

dm-haiku ist hauptsächlich in Python geschrieben.

🏅 Wartender dieses Projekts?
olud.ai badge — dm-haiku

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

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

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