Project Icon

scikeras

Keras与Scikit-Learn的无缝集成工具

SciKeras是一个开源项目,旨在为Keras模型提供Scikit-Learn兼容的包装器。作为tf.keras.wrappers.scikit_learn的继任者,SciKeras保持API兼容性的同时,提供了更多功能。该项目支持TensorFlow,可通过pip轻松安装。SciKeras不仅提供详细文档,还有完整的迁移指南,方便用户从原有框架过渡。项目基于scikit-learn 1.4.1post1及以上版本和Keras 3.2.0及以上版本,为机器学习实践者提供了一个强大的集成工具。

sktime - 多功能时间序列分析和预测库
GithubPython库sktime开源项目时间序列分析机器学习统一接口
sktime是一个开源的Python时间序列分析库,为多种时间序列学习任务提供统一接口。它支持时间序列分类、回归、聚类、标注和预测等功能,并提供专门的时间序列算法和兼容scikit-learn的工具。sktime还整合了多个相关库的接口,便于用户在不同时间序列任务间迁移算法。
scispacy - 科学文献处理的定制spaCy管道与模型
GithubPython 3.6scispaCyspaCy安装安装方式开源项目
scispaCy项目提供了适用于科学文献处理的定制化spaCy管道和模型,包括基于生物医学数据训练的分词器、词性标注器和实体识别模型。用户可轻松安装和使用这些工具,项目支持多种NER模型和实体链接器,适合不同任务使用,并提供详细的安装和使用指南。
keras-tuner - 兼具易用性和可扩展性的超参数优化工具
GithubKerasTunerPython 3.8+TensorFlow 2.0+开源项目机器学习模型超参数优化
KerasTuner是一个便捷且可扩展的超参数优化工具,可以有效解决超参数搜索过程中遇到的问题。用户可以通过define-by-run语法轻松配置搜索空间,并使用贝叶斯优化、Hyperband和随机搜索算法找到模型的最佳参数值。该工具对研究人员十分友好,便于进行新搜索算法的实验。KerasTuner适用于Python 3.8+和TensorFlow 2.0+,并提供详细的开发者指南和API参考文档。
qkeras - Keras 的量化扩展工具,通过替换部分 Keras 层,能够快速创建量化版深度学习模型
GithubKerasQKerasTensorFlow开源项目深度学习量化
QKeras 是一个针对 Keras 的量化扩展工具,通过替换部分 Keras 层,能够快速创建量化版深度学习模型。项目设计遵循用户友好、模块化和易扩展的原则,包括 QDense 和 QConv2D 等多种量化层。QTools 用于辅助硬件实现和能耗估算,AutoQKeras 可以自动进行模型量化和重新平衡。此项目提供简单易用的界面,适用于快速原型设计、前沿研究和生产环境。
keras3 - R语言高级神经网络接口 快速构建深度学习模型
APIGithubKerasR语言开源项目深度学习神经网络
keras3是R语言的高级神经网络接口,专注于快速实验和构建深度学习模型。它支持CPU和GPU无缝运行,提供用户友好的API。项目内置支持卷积网络和循环网络,支持多种网络架构。keras3适用于构建各类深度学习模型,帮助研究人员快速将想法转化为结果。
keras - 多后端支持的深度学习框架,兼容JAX、TensorFlow和PyTorch
GithubJAXKeras 3PyTorchTensorFlow开源项目深度学习框架
Keras 3 提供高效的模型开发,支持计算机视觉、自然语言处理等任务。选择最快的后端(如JAX),性能提升高达350%。无缝扩展,从本地到大规模集群,适合企业和初创团队。安装简单,支持GPU,兼容tf.keras代码,避免框架锁定。
scikit-llm - 无缝集成大型语言模型到Scikit-Learn,提升文本分析能力
ChatGPTGithubScikit-LLM开源软件开源项目文本分析机器学习
Scikit-LLM通过将ChatGPT等强大语言模型无缝集成到Scikit-Learn中,增强文本分析任务效果。该工具支持零样本文本分类,并提供简单的Python代码实现快速部署。项目为数据科学家和开发者提供高效的文本分析解决方案,支持快速安装和详细文档,社区反馈和支持也是其重要组成部分。
keras-core - 深度学习框架的多后端革新
GithubKeras多后端开源项目框架迁移深度学习
Keras Core 项目正在发展为 Keras 3,并已迁移至 keras-team/keras 仓库。这个多后端 Keras 框架经历了初始开发和公开测试阶段,即将以 Keras 3 的身份推出。项目保留了原有贡献者的工作,为深度学习开发提供了更灵活的后端选择。Keras 3 旨在实现跨平台的一致性体验,代表了 Keras 生态系统的重要演进。
fklearn - 通过函数式编程简化机器学习问题的解决方案
Apache许可证Githubfklearnscikit-learn功能编程开源项目机器学习
fklearn基于函数式编程原则,旨在简化实际机器学习问题的解决。其核心原则包括:模型验证应反映真实情况、生产模型应与已验证模型一致、模型可快速投产,以及结果的可重复性和易于深入分析。用户可通过pip或源码安装fklearn,并可参考详尽文档和社区支持以快速入门。
kedro - 生产级数据科学与工程管道框架
GithubKedro开源项目数据目录数据科学管道抽象项目模板
Kedro是一个开源Python框架,为生产环境中的数据科学项目提供支持。该框架整合了软件工程最佳实践,用于构建可重现、易维护和模块化的数据工程及科学管道。Kedro特性包括标准化项目模板、多功能数据目录、管道抽象、严格的编码规范以及灵活的部署选项。框架致力于促进团队协作,提升工作效率,并推动可复用分析代码的开发。Kedro尤其适合处理大规模原始数据的实际机器学习应用,有效克服了Jupyter笔记本和单次脚本的局限性。
项目侧边栏1项目侧边栏2
推荐项目
Project Cover

豆包MarsCode

豆包 MarsCode 是一款革命性的编程助手,通过AI技术提供代码补全、单测生成、代码解释和智能问答等功能,支持100+编程语言,与主流编辑器无缝集成,显著提升开发效率和代码质量。

Project Cover

AI写歌

Suno AI是一个革命性的AI音乐创作平台,能在短短30秒内帮助用户创作出一首完整的歌曲。无论是寻找创作灵感还是需要快速制作音乐,Suno AI都是音乐爱好者和专业人士的理想选择。

Project Cover

有言AI

有言平台提供一站式AIGC视频创作解决方案,通过智能技术简化视频制作流程。无论是企业宣传还是个人分享,有言都能帮助用户快速、轻松地制作出专业级别的视频内容。

Project Cover

Kimi

Kimi AI助手提供多语言对话支持,能够阅读和理解用户上传的文件内容,解析网页信息,并结合搜索结果为用户提供详尽的答案。无论是日常咨询还是专业问题,Kimi都能以友好、专业的方式提供帮助。

Project Cover

阿里绘蛙

绘蛙是阿里巴巴集团推出的革命性AI电商营销平台。利用尖端人工智能技术,为商家提供一键生成商品图和营销文案的服务,显著提升内容创作效率和营销效果。适用于淘宝、天猫等电商平台,让商品第一时间被种草。

Project Cover

吐司

探索Tensor.Art平台的独特AI模型,免费访问各种图像生成与AI训练工具,从Stable Diffusion等基础模型开始,轻松实现创新图像生成。体验前沿的AI技术,推动个人和企业的创新发展。

Project Cover

SubCat字幕猫

SubCat字幕猫APP是一款创新的视频播放器,它将改变您观看视频的方式!SubCat结合了先进的人工智能技术,为您提供即时视频字幕翻译,无论是本地视频还是网络流媒体,让您轻松享受各种语言的内容。

Project Cover

美间AI

美间AI创意设计平台,利用前沿AI技术,为设计师和营销人员提供一站式设计解决方案。从智能海报到3D效果图,再到文案生成,美间让创意设计更简单、更高效。

Project Cover

稿定AI

稿定设计 是一个多功能的在线设计和创意平台,提供广泛的设计工具和资源,以满足不同用户的需求。从专业的图形设计师到普通用户,无论是进行图片处理、智能抠图、H5页面制作还是视频剪辑,稿定设计都能提供简单、高效的解决方案。该平台以其用户友好的界面和强大的功能集合,帮助用户轻松实现创意设计。

投诉举报邮箱: service@vectorlightyear.com
@2024 懂AI·鲁ICP备2024100362号-6·鲁公网安备37021002001498号