Bayesian-Neural-Networks
Pytorch-Implementierungen von Bayes By Backprop, MC Dropout, SGLD, dem Local Reparametrization Trick, KF-Laplace, SG-HMC und mehr
Führen Sie verschiedene bayesianische Inferenzmethoden mit PyTorch unter Verwendung bereitgestellter Beispielcodes aus.
Beanspruchen Sie die Seite: indexiert unabhangig vom Rang, in sechs Sprachen ubersetzt und mit Ihren eigenen Worten erganzt.
Erhalten Sie eine E-Mail-Benachrichtigung beim nächsten Release oder wenn es durchstartet.
Kostenlos · ohne Karte · jederzeit abbestellbarPytorch-Implementierungen von Bayes By Backprop, MC Dropout, SGLD, dem Local Reparametrization Trick, KF-Laplace, SG-HMC und mehr
Bayesian-Neural-Networks hat 2k Sterne auf GitHub. Es wurde 306-mal geforkt. Bayesian-Neural-Networks ist hauptsächlich in Jupyter Notebook geschrieben. Es wird seit 2019 aktiv entwickelt. Bayesian-Neural-Networks ist unter der MIT-Lizenz verfügbar. Die Hauptthemen sind: approximate-inference, bayes-by-backprop, bayesian-inference, bayesian-neural-networks.
Was ist Bayesian-Neural-Networks?
Pytorch-Implementierungen von Bayes By Backprop, MC Dropout, SGLD, dem Local Reparametrization Trick, KF-Laplace, SG-HMC und mehr
Ist Bayesian-Neural-Networks Open Source?
Bayesian-Neural-Networks ist ein Open-Source-Projekt. Es wird unter der MIT-Lizenz veröffentlicht.
Ist Bayesian-Neural-Networks kostenlos?
Ja. Bayesian-Neural-Networks ist kostenlos und Open Source — Sie können es nutzen, anpassen und selbst hosten.
Unter welcher Lizenz steht Bayesian-Neural-Networks?
Bayesian-Neural-Networks ist unter der MIT-Lizenz verfügbar.
In welcher Sprache ist Bayesian-Neural-Networks geschrieben?
Bayesian-Neural-Networks ist hauptsächlich in Jupyter Notebook geschrieben.
Fügen Sie dieses Live-Abzeichen zu Ihrem README hinzu — Ihre GitHub-Sterne und Verzeichnisrang, täglich aktualisiert.
[](https://olud.ai/project/javierantoran-bayesian-neural-networks.html)
