Inicio Proyectos GPflow
GPflow
Python

GPflow

Procesos gaussianos en TensorFlow

por GPflow · GitHub
Estrellas
Ramas
Licencia
Creado
Último commit
Lenguaje
bayesian-statisticsdeep-learninggaussian-processesApache-2.0Python
Ver en GitHub
En palabras simples

Construye y ejecuta modelos de procesos gaussianos para análisis estadístico utilizando este paquete de Python.

¿Mantienes este proyecto?

Reivindica su pagina: indexada sea cual sea su posicion, traducida a seis idiomas y enriquecida con tus propias palabras.

Reivindicar esta pagina →
GPflow — GitHub preview card
📈 Historial de estrellas
1 9111 910
2026-07-202026-08-31
📈 Sigue GPflow

Recibe una alerta por correo en su próximo lanzamiento o cuando despegue — no te pierdas nada.

Gratis · sin tarjeta · cancela cuando quieras
Recibir alertas por email →
📄 Acerca de

Procesos gaussianos en TensorFlow

GPflow tiene 1.9k estrellas en GitHub. Se ha bifurcado 432 veces. GPflow está escrito principalmente en Python. Se desarrolla activamente desde 2016. GPflow está disponible bajo la licencia Apache-2.0. Sus temas principales son: bayesian-statistics, deep-learning, gaussian-processes, gp.

Frequently asked questions

¿Qué es GPflow?

Procesos gaussianos en TensorFlow

¿GPflow es de código abierto?

GPflow es un proyecto de código abierto. Se distribuye bajo la licencia Apache-2.0.

¿GPflow es gratis?

Sí. GPflow es gratuito y de código abierto: puedes usarlo, modificarlo y alojarlo tú mismo.

¿Bajo qué licencia está GPflow?

GPflow está disponible bajo la licencia Apache-2.0.

¿En qué lenguaje está escrito GPflow?

GPflow está escrito principalmente en Python.

🏅 ¿Mantenedor de este proyecto?
olud.ai badge — GPflow

Agrega este distintivo en vivo a tu README — tus estrellas de GitHub y rango en el directorio, actualizados diariamente.

[![olud.ai](https://olud.ai/badge.php?tool=gpflow-gpflow)](https://olud.ai/project/gpflow-gpflow.html)
Más opciones de distintivos →
🧬 Comparte ADN con🧬 Ver el mapa de ADN →

Medido a partir de los topics de GitHub comunes a ambos proyectos, ponderados por su rareza.