Bayesian-Neural-Networks
Implémentations Pytorch de Bayes By Backprop, MC Dropout, SGLD, le Local Reparametrization Trick, KF-Laplace, SG-HMC et plus
Exécutez diverses méthodes d'inférence bayésienne en utilisant PyTorch avec le code d'exemple fourni.
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 Pytorch de Bayes By Backprop, MC Dropout, SGLD, le Local Reparametrization Trick, KF-Laplace, SG-HMC et plus
Bayesian-Neural-Networks compte 2k étoiles sur GitHub. Il a été forké 306 fois. Bayesian-Neural-Networks est écrit principalement en Jupyter Notebook. Il est développé activement depuis 2019. Bayesian-Neural-Networks est disponible sous licence MIT. Ses principaux thèmes sont : approximate-inference, bayes-by-backprop, bayesian-inference, bayesian-neural-networks.
Qu'est-ce que Bayesian-Neural-Networks ?
Implémentations Pytorch de Bayes By Backprop, MC Dropout, SGLD, le Local Reparametrization Trick, KF-Laplace, SG-HMC et plus
Bayesian-Neural-Networks est-il open source ?
Bayesian-Neural-Networks est un projet open source. Il est distribué sous licence MIT.
Bayesian-Neural-Networks est-il gratuit ?
Oui. Bayesian-Neural-Networks est gratuit et open source — vous pouvez l'utiliser, le modifier et l'héberger vous-même.
Sous quelle licence est Bayesian-Neural-Networks ?
Bayesian-Neural-Networks est disponible sous licence MIT.
Dans quel langage Bayesian-Neural-Networks est-il écrit ?
Bayesian-Neural-Networks est écrit principalement en Jupyter Notebook.
Ajoutez ce badge en direct à votre README — vos étoiles GitHub et votre classement dans le répertoire, actualisés quotidiennement.
[](https://opensourceai.tech/project/javierantoran-bayesian-neural-networks.html)
