Implementaciones de alta calidad de métodos estándar y SOTA en una variedad de tareas.
Accede a ejemplos de alta calidad de métodos de aprendizaje automático para ayudar a desarrollar nuevas ideas y mejorar prácticas de investigación.
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 quierasImplementaciones de alta calidad de métodos estándar y SOTA en una variedad de tareas.
uncertainty-baselines tiene 1.6k estrellas en GitHub. Se ha bifurcado 223 veces. uncertainty-baselines está escrito principalmente en Python. Se desarrolla activamente desde 2020. uncertainty-baselines está disponible bajo la licencia Apache-2.0. Sus temas principales son: bayesian-methods, data-science, deep-learning, machine-learning.
Implementaciones de alta calidad de métodos estándar y SOTA en una variedad de tareas.
uncertainty-baselines es un proyecto de código abierto. Se distribuye bajo la licencia Apache-2.0.
Sí. uncertainty-baselines es gratuito y de código abierto: puedes usarlo, modificarlo y alojarlo tú mismo.
uncertainty-baselines está disponible bajo la licencia Apache-2.0.
uncertainty-baselines 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://opensourceai.tech/project/google-uncertainty-baselines.html)
Medido a partir de los topics de GitHub comunes a ambos proyectos, ponderados por su rareza.