2 مستودعات
Awesome GitHub RepositoriesAttribution Algorithm Benchmarks
Comparing and evaluating custom interpretability methods against built-in attribution algorithms for reliability and performance.
Distinct from Algorithm Benchmarking Libraries: Distinct from general Algorithm Benchmarking Libraries: specifically benchmarks attribution and interpretability algorithms, not general ML or RL algorithms.
Explore 2 awesome GitHub repositories matching artificial intelligence & ml · Attribution Algorithm Benchmarks. Refine with filters or upvote what's useful.
Awesome Attribution Algorithm Benchmarks GitHub Repositories
اعثر على أفضل المستودعات باستخدام الذكاء الاصطناعي.سنبحث عن أفضل المستودعات المطابقة باستخدام الذكاء الاصطناعي.
- jacobgil/pytorch-grad-cam
jacobgil/pytorch-grad-cam
12,893عرض على GitHubهذا المشروع عبارة عن مكتبة وإطار عمل للذكاء الاصطناعي القابل للتفسير لرؤية الحاسوب لـ PyTorch، يوفر مجموعة من الأدوات لتصور وتدقيق عمليات صنع القرار الداخلية للشبكات العصبية العميقة. يعمل كأداة إسناد للشبكة العصبية وأداة تصحيح أخطاء لتحديد مناطق الصورة التي تدفع تنبؤات النموذج. تتميز المكتبة بدعمها لطرق الإسناد القائمة على التدرج وغير القائمة على التدرج، مما يسمح بتوليد خرائط حرارية مرئية وخرائط إسناد دون الحاجة إلى تعديلات على كود مصدر النموذج الأصلي. وتتميز أيضاً باكتشاف المفهوم المرئي، باستخدام تحليل المصفوفة لتفكيك التنشيطات الداخلية إلى أنماط قابلة للتفسير ورسم خرائط التضمينات الكامنة لأهمية البكسل. يغطي إطار العمل مجموعة واسعة من القدرات بما في ذلك توليد الخرائط الحرارية وتحسينها، والتحويل المكاني لبنيات مثل محولات الرؤية، والتكيفات لأهداف الرؤية متعددة المهام مثل اكتشاف الكائنات والتجزئة الدلالية. يتضمن أيضاً مجموعة تقييم دقة النموذج التي تستخدم تحليل الاضطراب، ودراسات الاستئصال، وقياسات التوطين لتحديد مدى إخلاص التفسيرات المولدة. يوفر المشروع آليات لربط التنشيط الديناميكي، وتكيف البنية المخصص، وتكوين الهدف الموجه لربط أدوات القابلية للتفسير بمخرجات النماذج المختلفة.
Benchmarks various attribution algorithms like GradCAM and ScoreCAM to evaluate their reliability and performance.
Python - pytorch/captum
pytorch/captum
5,652عرض على GitHubCaptum is an open-source library for explaining model predictions by attributing them to input features, neurons, and layers using gradient-based and perturbation-based methods. It provides a modular framework for implementing, evaluating, and combining a range of explanation techniques, including gradient-based attribution, perturbation-based analysis, game-theoretic Shapley value approximation, and surrogate model explanations, with support for parallelization and noise stabilization. The library distinguishes itself through its breadth of attribution methods and its support for advanced in
Compares and evaluates custom interpretability methods against built-in attribution algorithms for reliability and performance.
Python
