awesome_deep_learning_interpretability
Hochzitierte/Top-Konferenzarbeiten zur Erklärbarkeit von neuronalen Netzwerkmodellen im Bereich Deep Learning der letzten Jahre (mit Code)
Durchsuchen Sie eine Sammlung von hochzitierten Arbeiten zur Interpretation von Deep-Learning-Modellen, einschließlich Codebeispielen.
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 abbestellbarHochzitierte/Top-Konferenzarbeiten zur Erklärbarkeit von neuronalen Netzwerkmodellen im Bereich Deep Learning der letzten Jahre (mit Code)
awesome_deep_learning_interpretability hat 767 Sterne auf GitHub. Es wurde 122-mal geforkt. Es wird seit 2020 aktiv entwickelt. awesome_deep_learning_interpretability ist unter der MIT-Lizenz verfügbar. Die Hauptthemen sind: awesome, awesome-list, chainer, computer-vision.
Was ist awesome_deep_learning_interpretability?
Hochzitierte/Top-Konferenzarbeiten zur Erklärbarkeit von neuronalen Netzwerkmodellen im Bereich Deep Learning der letzten Jahre (mit Code)
Ist awesome_deep_learning_interpretability Open Source?
awesome_deep_learning_interpretability ist ein Open-Source-Projekt. Es wird unter der MIT-Lizenz veröffentlicht.
Ist awesome_deep_learning_interpretability kostenlos?
Ja. awesome_deep_learning_interpretability ist kostenlos und Open Source — Sie können es nutzen, anpassen und selbst hosten.
Unter welcher Lizenz steht awesome_deep_learning_interpretability?
awesome_deep_learning_interpretability ist unter der MIT-Lizenz verfügbar.
Fügen Sie dieses Live-Abzeichen zu Ihrem README hinzu — Ihre GitHub-Sterne und Verzeichnisrang, täglich aktualisiert.
[](https://opensourceai.tech/project/onetaken-awesome-deep-learning-interpretability.html)
Ermittelt aus gemeinsamen GitHub-Topics beider Projekte, gewichtet nach ihrer Seltenheit.