3 مستودعات
Awesome GitHub RepositoriesMachine Learning Debugging
Techniques for identifying training errors through gradient checking and failure visualization.
Distinct from Machine Learning Systems: Candidates focus on low-level OS debugging or network failures, not ML-specific numerical debugging.
Explore 3 awesome GitHub repositories matching artificial intelligence & ml · Machine Learning Debugging. Refine with filters or upvote what's useful.
Awesome Machine Learning Debugging GitHub Repositories
اعثر على أفضل المستودعات باستخدام الذكاء الاصطناعي.سنبحث عن أفضل المستودعات المطابقة باستخدام الذكاء الاصطناعي.
- exacity/deeplearningbook-chinese
exacity/deeplearningbook-chinese
37,285عرض على GitHubThis project is a comprehensive Chinese translation of a technical deep learning textbook, providing an educational resource on the theory and implementation of neural networks. It functions as a collaborative technical translation project designed to make complex academic AI literature accessible to non-English speakers. The project utilizes a community-driven translation model that integrates external suggestions and pull requests to refine linguistic accuracy and reduce bias. It employs standardized terminology mapping to ensure a uniform vocabulary throughout the translated content. To i
Details methods for identifying errors by visualizing failures and comparing analytical and numerical gradients.
TeX - pair-code/lit
PAIR-code/lit
3,636عرض على GitHubLit is a machine learning interpretability framework and model debugging tool designed to analyze model behavior and performance. It serves as an interpretability dashboard for large language models and a general performance analyzer for text, image, and tabular datasets. The project distinguishes itself through a comprehensive suite of interpretability tools, including salience map generation for feature attribution, the creation of synthetic and counterfactual examples to test robustness, and the projection of high-dimensional embeddings into visual spaces via UMAP or PCA. It further enable
Provides interactive visualizations to analyze model predictions and errors and identify failure modes.
TypeScriptmachine-learningnatural-language-processingvisualization - rexying/gnn-model-explainer
RexYing/gnn-model-explainer
1,051عرض على GitHubتعمل هذه المجموعة كإطار عمل لتفسير عمليات اتخاذ القرار في الشبكات العصبية الرسومية (graph neural networks). تعمل كمكتبة لتحليل كيفية معالجة هذه النماذج لبيانات الشبكة المعقدة، وتوفر طرقاً لتحديد سمات العقد المحددة والأنماط الهيكلية التي تؤثر على النتائج التنبؤية. يتميز المشروع باستخدام استخراج المخططات الفرعية المحسّن بالقناع (mask-optimized subgraph extraction) وتعيين الإسناد القائم على التدرج لعزل المكونات الدنيا للرسم البياني التي تحافظ على التنبؤ الأصلي للنموذج. من خلال فصل طبقات معالجة الرسم البياني عن منطق التفسير، تسمح البنية بتحليل متسق عبر أنواع مختلفة من الشبكات العصبية الرسومية، بما في ذلك النماذج التلافيفية والقائمة على الانتباه. بعيداً عن التفسير الأساسي، تدعم المكتبة تدريب نماذج الرسوم البيانية على مجموعات بيانات اصطناعية وواقعية وتسهل تصحيح أخطاء نماذج تعلم الآلة. تتضمن إمكانيات لتصور تفسيرات النموذج من خلال دفاتر ملاحظات تفاعلية، مما يتيح عرض خرائط حرارة الإسناد وهياكل الشبكة المعقدة للمساعدة في تحديد الميزات والمخططات الفرعية المؤثرة.
Investigates the internal logic of complex neural networks to identify biases or errors in graph data processing.
Python
