torch-conv-kan
Ce projet est dédié à l'implémentation et à la recherche de réseaux convolutionnels Kolmogorov-Arnold. Le dépôt comprend des implémentations de convolutions 1D, 2D et 3D avec différents noyaux, des modèles similaires à ResNet et DenseNet, du code d'entraînement basé sur
Détectez et classifiez les panneaux de signalisation dans les images à l'aide d'un modèle d'apprentissage automatique.
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 momentCe projet est dédié à l'implémentation et à la recherche de réseaux convolutionnels Kolmogorov-Arnold. Le dépôt comprend des implémentations de convolutions 1D, 2D et 3D avec différents noyaux, des modèles similaires à ResNet et DenseNet, du code d'entraînement basé sur
torch-conv-kan compte 531 étoiles sur GitHub. Il a été forké 44 fois. torch-conv-kan est écrit principalement en Python. Il est développé activement depuis 2024. torch-conv-kan est disponible sous licence MIT. Ses principaux thèmes sont : computer-vision, convolutional-neural-networks, kolmogorov-arnold-networks.
Qu'est-ce que torch-conv-kan ?
Ce projet est dédié à l'implémentation et à la recherche de réseaux convolutionnels Kolmogorov-Arnold. Le dépôt comprend des implémentations de convolutions 1D, 2D et 3D avec différents noyaux, des modèles similaires à ResNet et DenseNet, du code d'entraînement basé sur
torch-conv-kan est-il open source ?
torch-conv-kan est un projet open source. Il est distribué sous licence MIT.
torch-conv-kan est-il gratuit ?
Oui. torch-conv-kan est gratuit et open source — vous pouvez l'utiliser, le modifier et l'héberger vous-même.
Sous quelle licence est torch-conv-kan ?
torch-conv-kan est disponible sous licence MIT.
Dans quel langage torch-conv-kan est-il écrit ?
torch-conv-kan 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/ivandrokin-torch-conv-kan.html)
Mesuré à partir des topics GitHub communs aux deux projets, pondérés par leur rareté.