Implémentations de haute qualité de méthodes standard et SOTA sur une variété de tâches.
Accédez à des exemples de haute qualité de méthodes d'apprentissage automatique pour aider à développer de nouvelles idées et améliorer les pratiques de recherche.
Revendiquez sa page : indexée quel que soit son rang, traduite en six langues, et enrichie de vos propres mots.
Recevez une alerte par e-mail à sa prochaine version ou quand il décolle — ne ratez plus rien.
Gratuit · sans carte · désinscription à tout momentImplémentations de haute qualité de méthodes standard et SOTA sur une variété de tâches.
uncertainty-baselines compte 1.6k étoiles sur GitHub. Il a été forké 223 fois. uncertainty-baselines est écrit principalement en Python. Il est développé activement depuis 2020. uncertainty-baselines est disponible sous licence Apache-2.0. Ses principaux thèmes sont : bayesian-methods, data-science, deep-learning, machine-learning.
Implémentations de haute qualité de méthodes standard et SOTA sur une variété de tâches.
uncertainty-baselines est un projet open source. Il est distribué sous licence Apache-2.0.
Oui. uncertainty-baselines est gratuit et open source — vous pouvez l'utiliser, le modifier et l'héberger vous-même.
uncertainty-baselines est disponible sous licence Apache-2.0.
uncertainty-baselines est écrit principalement en Python.
Ajoutez ce badge en direct à votre README — vos étoiles GitHub et votre classement dans le répertoire, actualisés quotidiennement.
[](https://olud.ai/project/google-uncertainty-baselines.html)
Mesuré à partir des topics GitHub communs aux deux projets, pondérés par leur rareté.