Início Projetos cs230-code-examples
cs230-code-examples

cs230-code-examples

por cs230-stanford · GitHub

Exemplos de código em pyTorch e Tensorflow para CS230

Ver no GitHub
Em palavras simples

Acesse exemplos de código para projetos de aprendizado de máquina usando PyTorch e TensorFlow.

⭐ Estrelas
🍴 Forks
🔥 Tendências
📜 Licença
Licença não especificada
📅 Criado
🔄 Último commit
🏷️ Categoria
💻 Linguagem
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 →
cs230-code-examples — GitHub preview card
📈 Histórico de estrelas
4 2304 225
2026-07-152026-07-29
📈 Acompanhe cs230-code-examples

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

Exemplos de código em pyTorch e Tensorflow para CS230

cs230-code-examples tem 4.2k estrelas no GitHub. Foi bifurcado 1k vezes. cs230-code-examples é escrito principalmente em Python. Está em desenvolvimento ativo desde 2018. Os seus principais temas são: computer-vision, natural-language-processing, pytorch, tensorflow.

Frequently asked questions

O que é cs230-code-examples?

Exemplos de código em pyTorch e Tensorflow para CS230

cs230-code-examples é de código aberto?

cs230-code-examples é um projeto de código aberto.

cs230-code-examples é gratuito?

Sim. cs230-code-examples é gratuito e de código aberto — você pode usá-lo, modificá-lo e hospedá-lo por conta própria.

Em que linguagem cs230-code-examples está escrito?

cs230-code-examples é escrito principalmente em Python.

🏅 Mantenedor deste projeto?
olud.ai badge — cs230-code-examples

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=cs230-stanford-cs230-code-examples)](https://olud.ai/project/cs230-stanford-cs230-code-examples.html)
Mais opções de badge →
🧬 Partilha ADN com

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