hyperparameter-search

Ray est un moteur de calcul pour l'IA. Il se compose d'un runtime distribué et d'un ensemble de bibliothèques IA pour accélérer les charges de travail ML.

La plateforme de développement IA. Utilisez Weights & Biases pour entraîner et affiner vos modèles, et gérez-les de l'expérimentation à la production.

Apprentissage automatique automatisé avec scikit-learn.

Determined est une plateforme d'apprentissage automatique open source qui simplifie l'entraînement distribué, le réglage des hyperparamètres, le suivi des expériences et la gestion des ressources. Compatible avec PyTorch et TensorFlow.

Un framework d'entraînement pour les agents d'apprentissage par renforcement Stable Baselines3, incluant l'optimisation des hyperparamètres et des agents pré-entraînés.

SMAC3 : Un package d'optimisation bayésienne polyvalent pour l'optimisation des hyperparamètres

OCTIS : Comparer des modèles de sujets en toute simplicité ! Un package Python pour optimiser et évaluer les modèles de sujets (accepté à la session démo de l'EACL2021).

La bibliothèque d'AutoML la plus propre au monde ✨ - Effectuez l'optimisation des hyperparamètres avec les bonnes abstractions de pipeline pour concevoir des pipelines de production de deep learning propres. Attribuez des espaces d'hyperparamètres aux étapes de votre pipeline. Concevez les étapes de votre pipeline comme des composants. Compatible avec Scikit-Learn, TensorFlow et la plupart des autres bibliothèques, frameworks et environnements MLOps.