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 RepositoriesDevelopment Workflows

Practical patterns for tensor manipulation, dynamic graph construction, and training metric visualization.

Distinct from PyTorch Tensor Operations: Focuses on the end-to-end development process and visualization rather than just the mathematical operations of tensors.

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

Awesome Development Workflows GitHub Repositories

اعثر على أفضل المستودعات باستخدام الذكاء الاصطناعي.سنبحث عن أفضل المستودعات المطابقة باستخدام الذكاء الاصطناعي.
  • lyhue1991/eat_pytorch_in_20_daysالصورة الرمزية لـ lyhue1991

    lyhue1991/eat_pytorch_in_20_days

    6,157عرض على GitHub↗

    هذا المشروع عبارة عن سلسلة دروس للتعلم العميق ومنهج تعليمي مصمم لتدريس أساسيات PyTorch. يعمل كدليل تدريب مهيكل لإتقان بنية الشبكة العصبية، والتمايز التلقائي، واستخدام الموترات ورسوم الحساب الديناميكية. يركز المنهج على التطبيقات العملية، وتحديداً توجيه تطوير أنظمة التوصية، ونماذج الإعلانات، وشبكات الاهتمام للتنبؤ بتفضيلات المستخدم. كما يوفر محتوى تعليمياً للتنبؤ بالسلاسل الزمنية ومعالجة البيانات المتسلسلة. تغطي المادة مجموعة واسعة من قدرات التعلم العميق، بما في ذلك بناء نماذج لتصنيف الصور والنصوص بالإضافة إلى البيانات المهيكلة. تدمج سير عمل لتسريع GPU، وتصور مقاييس التدريب، وإنشاء واجهات قائمة على الويب لاختبار تنبؤات النموذج. يتم تقديم المشروع كمجموعة من دفاتر Jupyter.

    Ships a set of workflows and examples for manipulating tensors and visualizing neural network training metrics.

    Jupyter Notebookdeep-learningpytorch
    عرض على GitHub↗6,157
  1. Home
  2. Artificial Intelligence & ML
  3. Machine Learning
  4. Infrastructure
  5. Optimization & Inference
  6. Hardware & Acceleration
  7. Tensor Computing Libraries
  8. PyTorch Tensor Operations
  9. Development Workflows