awesome-repositories.com
المدونة
MCP
awesome-repositories.com

اكتشف أفضل مستودعات المصادر المفتوحة باستخدام بحث مدعوم بالذكاء الاصطناعي.

استكشفعمليات بحث منسقةبدائل مفتوحة المصدربرمجيات ذاتية الاستضافةالمدونةخريطة الموقع
المشروعخادم MCPحولكيفية ترتيب النتائجالصحافة
قانونيالخصوصيةالشروط
© 2026 Bringes Technology SRL·VAT RO45896025·hello@awesome-repositories.com
·

1 مستودع

Awesome GitHub RepositoriesRuntime Evaluation Environments

Live execution sessions used to validate the mathematical correctness of PyTorch code.

Distinct from PyTorch-Based Frameworks: Focuses on the evaluation environment for validation rather than a framework for building models.

Explore 1 awesome GitHub repository matching artificial intelligence & ml · Runtime Evaluation Environments. Refine with filters or upvote what's useful.

Awesome Runtime Evaluation Environments GitHub Repositories

اعثر على أفضل المستودعات باستخدام الذكاء الاصطناعي.سنبحث عن أفضل المستودعات المطابقة باستخدام الذكاء الاصطناعي.
  • srush/tensor-puzzlesالصورة الرمزية لـ srush

    srush/Tensor-Puzzles

    4,162عرض على GitHub↗

    Tensor-Puzzles هي مجموعة تمارين تعليمية ودرس تعليمي للحوسبة العددية مصمم لإتقان عمليات الموتر وقواعد البث داخل PyTorch. تعمل كمدرب تنفيذ حيث يمارس المستخدمون الانتقال من الصيغ الرياضية إلى الكود عن طريق إعادة تنفيذ بدائيات تعلم الآلة الرياضية. يستخدم المشروع مجموعة تمارين قائمة على القيود تقيد استدعاءات المكتبة المتاحة لفرض استخدام بدائيات موتر محددة. تم هيكلة هذه التحديات كألغاز متسلسلة تتطلب من المستخدمين حل المهام باستخدام نمط تنفيذ معياري، حيث يتم تقسيم الوظائف المعقدة إلى عمليات تابعة أبسط. يتم ضمان الصحة من خلال بيئة تنفيذ متكاملة مع PyTorch تستخدم التحقق من التنفيذ المرجعي وفحوصات التسامح العددي. يتحقق النظام من أن مخرجات المستخدم تتطابق مع النتائج المرجعية وتلتزم بقواعد بث المصفوفة متعددة الأبعاد القياسية.

    Provides an execution environment that runs user code within a live PyTorch session for validation.

    Jupyter Notebookmachine-learningpuzzletorch
    عرض على GitHub↗4,162
  1. Home
  2. Artificial Intelligence & ML
  3. Deep Learning Frameworks
  4. PyTorch-Based Frameworks
  5. Runtime Evaluation Environments