awesome-deep-learning-papers
Die am häufigsten zitierten Deep-Learning-Papiere.
Lesen Sie eine kuratierte Liste von wichtigen Forschungsarbeiten im Bereich Deep Learning, die in der Branche hoch angesehen sind.
Aus der README
- Understanding / Generalization / Transfer
- Optimization / Training Techniques
- Unsupervised / Generative Models
Auszüge aus der Projekt-README zu GitHub. Das Urheberrecht und die Lizenzen verbleiben bei den jeweiligen Autoren.
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 abbestellbarDie am häufigsten zitierten Deep-Learning-Papiere.
awesome-deep-learning-papers hat 26.2k Sterne auf GitHub. Es wurde 4.4k-mal geforkt. awesome-deep-learning-papers ist hauptsächlich in TeX geschrieben. Es wird seit 2016 aktiv entwickelt. Die Hauptthemen sind: deep-learning, deep-neural-networks, machine-learning.
Was ist awesome-deep-learning-papers?
Die am häufigsten zitierten Deep-Learning-Papiere.
Ist awesome-deep-learning-papers Open Source?
awesome-deep-learning-papers ist ein Open-Source-Projekt.
Ist awesome-deep-learning-papers kostenlos?
Ja. awesome-deep-learning-papers ist kostenlos und Open Source — Sie können es nutzen, anpassen und selbst hosten.
In welcher Sprache ist awesome-deep-learning-papers geschrieben?
awesome-deep-learning-papers ist hauptsächlich in TeX geschrieben.
Fügen Sie dieses Live-Abzeichen zu Ihrem README hinzu — Ihre GitHub-Sterne und Verzeichnisrang, täglich aktualisiert.
[](https://olud.ai/project/terryum-awesome-deep-learning-papers.html)
