Início Projetos antialiased-cnns
antialiased-cnns
Python

antialiased-cnns

pip install antialiased-cnns para melhorar a estabilidade e precisão

por adobe · GitHub
Estrelas
Forks
Criado
Último commit
Categoria
Linguagem
antialiasingartificial-intelligencecnnsPython
Ver no GitHub
Em palavras simples

Instale uma biblioteca para melhorar a estabilidade e a precisão das redes neurais convolucionais durante o treinamento.

Mantem este projeto?

Reivindique a sua pagina: indexada seja qual for a posicao, traduzida em seis linguas e enriquecida com as suas palavras.

Reivindicar esta pagina →
antialiased-cnns — GitHub preview card
📈 Histórico de estrelas
1 6861 685
2026-07-202026-08-31
📈 Acompanhe antialiased-cnns

Receba um alerta por e-mail no próximo lançamento ou quando começar a bombar.

Grátis · sem cartão · cancele quando quiser
Receber alertas por e-mail →
📄 Sobre

pip install antialiased-cnns para melhorar a estabilidade e precisão

antialiased-cnns tem 1.7k estrelas no GitHub. Foi bifurcado 202 vezes. antialiased-cnns é escrito principalmente em Python. Está em desenvolvimento ativo desde 2019. Os seus principais temas são: antialiasing, artificial-intelligence, cnns, computer-vision.

Frequently asked questions

O que é antialiased-cnns?

pip install antialiased-cnns para melhorar a estabilidade e precisão

antialiased-cnns é de código aberto?

antialiased-cnns é um projeto de código aberto.

antialiased-cnns é gratuito?

Sim. antialiased-cnns é gratuito e de código aberto — você pode usá-lo, modificá-lo e hospedá-lo por conta própria.

Em que linguagem antialiased-cnns está escrito?

antialiased-cnns é escrito principalmente em Python.

🏅 Mantenedor deste projeto?
olud.ai badge — antialiased-cnns

Adicione este badge ao vivo ao seu README — suas estrelas do GitHub e classificação no diretório, atualizadas diariamente.

[![olud.ai](https://olud.ai/badge.php?tool=adobe-antialiased-cnns)](https://olud.ai/project/adobe-antialiased-cnns.html)
Mais opções de badge →
🧬 Partilha ADN com

Medido a partir dos topics do GitHub comuns aos dois projetos, ponderados pela sua raridade.