autograd

Tenseurs et réseaux de neurones dynamiques en Python avec une forte accélération GPU

Calcule efficacement les dérivées de code NumPy.

Bibliothèque C++ autonome pour l'apprentissage automatique

Je suis convaincu que les étudiants de troisième cycle et les chercheurs d'emploi, auxquels ce livre est principalement destiné, tireront profit de sa lecture ; j'espère toutefois que même les chercheurs les plus expérimentés le trouveront fascinant.

Un framework d'apprentissage profond agnostique au moteur en Java

MegEngine est un framework d'apprentissage profond rapide, extensible, facile à utiliser et prenant en charge la différenciation automatique

PennyLane est une plateforme logicielle open-source pour l'informatique quantique, l'apprentissage automatique quantique et la chimie quantique. Créez des algorithmes quantiques pertinents, de l'inspiration à l'implémentation.

JAX - Une liste organisée de ressources https://github.com/google/jax

Implémentation en C++ des tutoriels PyTorch pour tous.

Deep learning en Rust, avec des tenseurs et réseaux de neurones vérifiés par forme.

Une bibliothèque de tenseurs rapide, ergonomique et portable en Nim, axée sur le deep learning pour CPU, GPU et appareils embarqués via les backends OpenMP, Cuda et OpenCL

Owl - Informatique scientifique en OCaml @ https://ocaml.xyz

Bibliothèque d'extension PyTorch pour les opérations optimisées sur matrices creuses par autograd.

『Deep Learning from Scratch ❸』 (O'Reilly Japan, 2020)

Apprentissage profond avec des réseaux de neurones impulsionnels (SNN) dans PyTorch.

Introductions aux concepts clés de la programmation quantique, ainsi que des tutoriels et des implémentations issus de la recherche de pointe en informatique quantique.

modèles de grande population

Interface R pour Torch

Tenseurs et opérations différentiables (similaires à TensorFlow) en Rust.