autograd

Tensoren und dynamische neuronale Netze in Python mit starker GPU-Beschleunigung

Berechnet Ableitungen von NumPy-Code effizient.

Eine eigenständige C++-Bibliothek für maschinelles Lernen

Ich bin überzeugt, dass Studierende im Aufbaustudium und Arbeitssuchende, für die dieses Buch in erster Linie gedacht ist, von der Lektüre profitieren werden; ich hoffe jedoch, dass es selbst erfahrensten Forschern faszinierend erscheinen wird.

Ein Engine-agnostisches Deep-Learning-Framework in Java

MegEngine ist ein schnelles, erweiterbares, benutzerfreundliches Deep-Learning-Framework mit automatischer Differenzierung

PennyLane ist eine Open-Source-Quantensoftwareplattform für Quantencomputing, Quanten-Maschinelles-Lernen und Quantenchemie. Erstellen Sie aussagekräftige Quantenalgorithmen, von der Inspiration bis zur Implementierung.

JAX – Eine kuratierte Liste von Ressourcen https://github.com/google/jax

C++-Implementierung von PyTorch-Tutorials für jedermann

Deep Learning in Rust mit formgeprüften Tensoren und neuronalen Netzen

Eine schnelle, ergonomische und portable Tensor-Bibliothek in Nim mit Fokus auf Deep Learning für CPU, GPU und eingebettete Geräte über OpenMP-, Cuda- und OpenCL-Backends

Owl – OCaml Scientific Computing @ https://ocaml.xyz

PyTorch-Erweiterungsbibliothek für optimierte Autograd-Sparse-Matrix-Operationen

„Deep Learning von Null an ❸“ (O'Reilly Japan, 2020)

Deep Learning mit Spiking Neural Networks (SNNs) in PyTorch.

Einführung in die Schlüsselkonzepte der Quantenprogrammierung sowie Tutorials und Implementierungen aus der aktuellen Quantencomputing-Forschung.

Große Bevölkerungsmodelle

R-Schnittstelle zu Torch

Tensoren und differenzierbare Operationen (wie TensorFlow) in Rust