Accueil Projets ttach
ttach
Python

ttach

Augmentation du temps de test d'image avec PyTorch !

par qubvel · GitHub
Étoiles
Forks
Licence
Créé
Dernier commit
Catégorie
Langue
augmentationclassificationcomputer-visionMITPython
Voir sur GitHub
En termes simples

Effectuez des modifications aléatoires sur des images de test pour améliorer la précision de classification en moyennant les prédictions d'images augmentées.

Vous maintenez ce projet ?

Revendiquez sa page : indexée quel que soit son rang, traduite en six langues, et enrichie de vos propres mots.

Revendiquer cette page →
ttach — GitHub preview card
📈 Historique des étoiles
1 0311 030
2026-07-202026-08-31
📈 Suivez ttach

Recevez une alerte par e-mail à sa prochaine version ou quand il décolle — ne ratez plus rien.

Gratuit · sans carte · désinscription à tout moment
Recevoir des alertes e-mail →
📄 À propos

Augmentation du temps de test d'image avec PyTorch !

ttach compte 1k étoiles sur GitHub. Il a été forké 69 fois. ttach est écrit principalement en Python. Il est développé activement depuis 2019. ttach est disponible sous licence MIT. Ses principaux thèmes sont : augmentation, classification, computer-vision, deep-learning.

Frequently asked questions

Qu'est-ce que ttach ?

Augmentation du temps de test d'image avec PyTorch !

ttach est-il open source ?

ttach est un projet open source. Il est distribué sous licence MIT.

ttach est-il gratuit ?

Oui. ttach est gratuit et open source — vous pouvez l'utiliser, le modifier et l'héberger vous-même.

Sous quelle licence est ttach ?

ttach est disponible sous licence MIT.

Dans quel langage ttach est-il écrit ?

ttach est écrit principalement en Python.

🏅 Mainteneur de ce projet ?
olud.ai badge — ttach

Ajoutez ce badge en direct à votre README — vos étoiles GitHub et votre classement dans le répertoire, actualisés quotidiennement.

[![olud.ai](https://olud.ai/badge.php?tool=qubvel-ttach)](https://olud.ai/project/qubvel-ttach.html)
Plus d'options de badge →
🧬 Partage son ADN avec🧬 Voir la cartographie ADN →

Mesuré à partir des topics GitHub communs aux deux projets, pondérés par leur rareté.