flow-forecast
Biblioteca de PyTorch para aprendizaje profundo para pronóstico de series temporales, clasificación y detección de anomalías (originalmente para pronóstico de inundaciones).
Utiliza una biblioteca de aprendizaje profundo para predecir datos de series temporales, detectar anomalías y clasificar información fácilmente.
Reivindica su pagina: indexada sea cual sea su posicion, traducida a seis idiomas y enriquecida con tus propias palabras.
Recibe una alerta por correo en su próximo lanzamiento o cuando despegue — no te pierdas nada.
Gratis · sin tarjeta · cancela cuando quierasBiblioteca de PyTorch para aprendizaje profundo para pronóstico de series temporales, clasificación y detección de anomalías (originalmente para pronóstico de inundaciones).
flow-forecast tiene 2.3k estrellas en GitHub. Se ha bifurcado 302 veces. flow-forecast está escrito principalmente en Python. Se desarrolla activamente desde 2019. flow-forecast está disponible bajo la licencia GPL-3.0. Sus temas principales son: anomaly-detection, deep-learning, deep-neural-networks, forecasting.
¿Qué es flow-forecast?
Biblioteca de PyTorch para aprendizaje profundo para pronóstico de series temporales, clasificación y detección de anomalías (originalmente para pronóstico de inundaciones).
¿flow-forecast es de código abierto?
flow-forecast es un proyecto de código abierto. Se distribuye bajo la licencia GPL-3.0.
¿flow-forecast es gratis?
Sí. flow-forecast es gratuito y de código abierto: puedes usarlo, modificarlo y alojarlo tú mismo. Su licencia GPL-3.0 es copyleft: toda versión modificada que distribuya debe permanecer bajo la misma licencia.
¿Bajo qué licencia está flow-forecast?
flow-forecast está disponible bajo la licencia GPL-3.0.
¿En qué lenguaje está escrito flow-forecast?
flow-forecast está escrito principalmente en Python.
Agrega este distintivo en vivo a tu README — tus estrellas de GitHub y rango en el directorio, actualizados diariamente.
[](https://olud.ai/project/aistream-peelout-flow-forecast.html)
Medido a partir de los topics de GitHub comunes a ambos proyectos, ponderados por su rareza.