Bayesian-Neural-Networks
Implementazioni Pytorch di Bayes By Backprop, MC Dropout, SGLD, il Local Reparametrization Trick, KF-Laplace, SG-HMC e altro
Esegui vari metodi di inferenza bayesiana utilizzando PyTorch con codice di esempio fornito.
Rivendica la sua pagina: indicizzata qualunque sia il rango, tradotta in sei lingue e arricchita con le tue parole.
Ricevi un avviso via email alla prossima release o quando decolla — non perderti nulla.
Gratis · senza carta · disdici quando vuoiImplementazioni Pytorch di Bayes By Backprop, MC Dropout, SGLD, il Local Reparametrization Trick, KF-Laplace, SG-HMC e altro
Bayesian-Neural-Networks ha 2k stelle su GitHub. È stato forkato 306 volte. Bayesian-Neural-Networks è scritto principalmente in Jupyter Notebook. È in sviluppo attivo dal 2019. Bayesian-Neural-Networks è disponibile con licenza MIT. I suoi temi principali sono: approximate-inference, bayes-by-backprop, bayesian-inference, bayesian-neural-networks.
Che cos'è Bayesian-Neural-Networks?
Implementazioni Pytorch di Bayes By Backprop, MC Dropout, SGLD, il Local Reparametrization Trick, KF-Laplace, SG-HMC e altro
Bayesian-Neural-Networks è open source?
Bayesian-Neural-Networks è un progetto open source. È rilasciato con licenza MIT.
Bayesian-Neural-Networks è gratuito?
Sì. Bayesian-Neural-Networks è gratuito e open source: puoi usarlo, modificarlo e ospitarlo autonomamente.
Con quale licenza è Bayesian-Neural-Networks?
Bayesian-Neural-Networks è disponibile con licenza MIT.
In quale linguaggio è scritto Bayesian-Neural-Networks?
Bayesian-Neural-Networks è scritto principalmente in Jupyter Notebook.
Aggiungi questo badge live al tuo README — le tue stelle GitHub e il ranking della directory, aggiornati quotidianamente.
[](https://olud.ai/project/javierantoran-bayesian-neural-networks.html)
