Startseite Projekte imgclsmob
imgclsmob
Python

imgclsmob

Sandbox zum Trainieren von Deep-Learning-Netzwerken

von osmr · GitHub
Sterne
Forks
Lizenz
Erstellt
Letzter Commit
Sprache
3d-face-reconstructionchainercifarMITPython
Auf GitHub ansehen
In einfachen Worten

Trainieren und bewerten Sie Deep-Learning-Modelle für Computer Vision-Aufgaben mit verschiedenen Frameworks.

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 →
imgclsmob — GitHub preview card
📈 Sternhistorie
3 0183 016
2026-07-072026-08-31
📈 imgclsmob verfolgen

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

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

Sandbox zum Trainieren von Deep-Learning-Netzwerken

imgclsmob hat 3k Sterne auf GitHub. Es wurde 552-mal geforkt. imgclsmob ist hauptsächlich in Python geschrieben. Es wird seit 2018 aktiv entwickelt. imgclsmob ist unter der MIT-Lizenz verfügbar. Die Hauptthemen sind: 3d-face-reconstruction, chainer, cifar, classification.

Frequently asked questions

Was ist imgclsmob?

Sandbox zum Trainieren von Deep-Learning-Netzwerken

Ist imgclsmob Open Source?

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

Ist imgclsmob kostenlos?

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

Unter welcher Lizenz steht imgclsmob?

imgclsmob ist unter der MIT-Lizenz verfügbar.

In welcher Sprache ist imgclsmob geschrieben?

imgclsmob ist hauptsächlich in Python geschrieben.

🏅 Wartender dieses Projekts?
olud.ai badge — imgclsmob

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

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

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