Home Progetti Deep-Learning-with-PyTorch-Tutorials
Deep-Learning-with-PyTorch-Tutorials
Python

Deep-Learning-with-PyTorch-Tutorials

Corso pratico di introduzione al deep learning e PyTorch con codice sorgente e PPT abbinati

di dragen1860 · GitHub
Stelle
Fork
Creato
Ultimo commit
Lingua
artificial-intelligenceconvolutional-neural-networksdeep-learningPython
Visualizza su GitHub
In parole semplici

Segui tutorial video pratici sul deep learning utilizzando PyTorch, completi di codice sorgente e presentazioni.

Mantieni questo progetto?

Rivendica la sua pagina: indicizzata qualunque sia il rango, tradotta in sei lingue e arricchita con le tue parole.

Rivendica questa pagina →
Deep-Learning-with-PyTorch-Tutorials — GitHub preview card
📈 Storia delle stelle
3 1223 118
2026-07-072026-08-31
📈 Segui Deep-Learning-with-PyTorch-Tutorials

Ricevi un avviso via email alla prossima release o quando decolla — non perderti nulla.

Gratis · senza carta · disdici quando vuoi
Ricevi avvisi via email →
📄 Informazioni

Corso pratico di introduzione al deep learning e PyTorch con codice sorgente e PPT abbinati

Deep-Learning-with-PyTorch-Tutorials ha 3.1k stelle su GitHub. È stato forkato 1.3k volte. Deep-Learning-with-PyTorch-Tutorials è scritto principalmente in Python. È in sviluppo attivo dal 2018. I suoi temi principali sono: artificial-intelligence, convolutional-neural-networks, deep-learning, generative-adversarial-network.

Frequently asked questions

Che cos'è Deep-Learning-with-PyTorch-Tutorials?

Corso pratico di introduzione al deep learning e PyTorch con codice sorgente e PPT abbinati

Deep-Learning-with-PyTorch-Tutorials è open source?

Deep-Learning-with-PyTorch-Tutorials è un progetto open source.

Deep-Learning-with-PyTorch-Tutorials è gratuito?

Sì. Deep-Learning-with-PyTorch-Tutorials è gratuito e open source: puoi usarlo, modificarlo e ospitarlo autonomamente.

In quale linguaggio è scritto Deep-Learning-with-PyTorch-Tutorials?

Deep-Learning-with-PyTorch-Tutorials è scritto principalmente in Python.

🏅 Manutentore di questo progetto?
olud.ai badge — Deep-Learning-with-PyTorch-Tutorials

Aggiungi questo badge live al tuo README — le tue stelle GitHub e il ranking della directory, aggiornati quotidianamente.

[![olud.ai](https://olud.ai/badge.php?tool=dragen1860-deep-learning-with-pytorch-tutorials)](https://olud.ai/project/dragen1860-deep-learning-with-pytorch-tutorials.html)
Altre opzioni di badge →
🧬 Condivide il DNA con🧬 Vedi la mappa del DNA →
gigagan-pytorch
Implementazione di GigaGAN, nuovo SOTA GAN di Adobe. Culminazione di quasi un decennio di ricer…
1.9k · artificial-intelligence
condividegenerative-adversarial-network
lightweight-gan
Implementazione di 'lightweight' GAN, proposta in ICLR 2021, in Pytorch. Generazioni di immagin…
1.7k · artificial-intelligence
condividegenerative-adversarial-network
DF-GAN
[CVPR2022 orale] Una base semplice ed efficace per la sintesi testo-immagine
326 · generative-adversarial-network
condividegenerative-adversarial-network
the-gan-zoo
Un elenco di tutti i GAN nominati!
14.7k · gan
condividegenerative-adversarial-network
PixelLib
Visita la documentazione ufficiale di PixelLib https://pixellib.readthedocs.io/en/latest/
1.1k · artificial-intelligence
condivideconvolutional-neural-networks
videogan
Generazione di video con dinamiche di scena. NIPS 2016.
706 · computer-vision
condividegenerative-adversarial-network
HyperGAN
Framework GAN composabile con api e interfaccia utente
1.2k · artificial-intelligence
condividegenerative-adversarial-network
img2img-turbo
Generazione immagine-a-immagine in un passo con Stable Diffusion turbo: sketch2image, day2night…
2.5k · computer-vision
condividegenerative-adversarial-network
stylegan2-pytorch
Implementazione funzionante più semplice di Stylegan2, rete generativa avversariale all'avangua…
3.8k · artificial-intelligence
condividegenerative-adversarial-network
quiver
Visualizzazione interattiva delle caratteristiche del convnet per Keras
1.8k · convolutional-neural-networks
condivideconvolutional-neural-networks

Misurato dai topic GitHub comuni a entrambi i progetti, ponderati per la loro rarita.