Recherche d'architecture différentiable pour réseaux convolutionnels et récurrents
Concevez et optimisez des architectures de réseaux neuronaux avancées pour la classification d'images et la modélisation de langage en utilisant des techniques de gradient.
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 momentRecherche d'architecture différentiable pour réseaux convolutionnels et récurrents
darts compte 4k étoiles sur GitHub. Il a été forké 838 fois. darts est écrit principalement en Python. Il est développé activement depuis 2018. darts est disponible sous licence Apache-2.0. Ses principaux thèmes sont : automl, convolutional-networks, deep-learning, image-classification.
Recherche d'architecture différentiable pour réseaux convolutionnels et récurrents
darts est un projet open source. Il est distribué sous licence Apache-2.0.
Oui. darts est gratuit et open source — vous pouvez l'utiliser, le modifier et l'héberger vous-même.
darts est disponible sous licence Apache-2.0.
darts 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://opensourceai.tech/project/quark0-darts.html)
Mesuré à partir des topics GitHub communs aux deux projets, pondérés par leur rareté.