Bayesian-Neural-Networks
Implementações em Pytorch de Bayes By Backprop, MC Dropout, SGLD, o Truque de Reparametrização Local, KF-Laplace, SG-HMC e mais
Execute vários métodos de inferência bayesiana usando PyTorch com código de exemplo fornecido.
Reivindique a sua pagina: indexada seja qual for a posicao, traduzida em seis linguas e enriquecida com as suas palavras.
Receba um alerta por e-mail no próximo lançamento ou quando começar a bombar.
Grátis · sem cartão · cancele quando quiserImplementações em Pytorch de Bayes By Backprop, MC Dropout, SGLD, o Truque de Reparametrização Local, KF-Laplace, SG-HMC e mais
Bayesian-Neural-Networks tem 2k estrelas no GitHub. Foi bifurcado 306 vezes. Bayesian-Neural-Networks é escrito principalmente em Jupyter Notebook. Está em desenvolvimento ativo desde 2019. Bayesian-Neural-Networks está disponível sob a licença MIT. Os seus principais temas são: approximate-inference, bayes-by-backprop, bayesian-inference, bayesian-neural-networks.
O que é Bayesian-Neural-Networks?
Implementações em Pytorch de Bayes By Backprop, MC Dropout, SGLD, o Truque de Reparametrização Local, KF-Laplace, SG-HMC e mais
Bayesian-Neural-Networks é de código aberto?
Bayesian-Neural-Networks é um projeto de código aberto. É distribuído sob a licença MIT.
Bayesian-Neural-Networks é gratuito?
Sim. Bayesian-Neural-Networks é gratuito e de código aberto — você pode usá-lo, modificá-lo e hospedá-lo por conta própria.
Sob que licença está Bayesian-Neural-Networks?
Bayesian-Neural-Networks está disponível sob a licença MIT.
Em que linguagem Bayesian-Neural-Networks está escrito?
Bayesian-Neural-Networks é escrito principalmente em Jupyter Notebook.
Adicione este badge ao vivo ao seu README — suas estrelas do GitHub e classificação no diretório, atualizadas diariamente.
[](https://opensourceai.tech/project/javierantoran-bayesian-neural-networks.html)
