awesome-repositories.com
Blog
MCP
awesome-repositories.com

Entdecke die besten Open-Source-Repositories mit KI-gestützter Suche.

EntdeckenKuratierte SuchenOpen-Source-AlternativenSelf-hosted SoftwareBlogSitemap
ProjektMCP-ServerÜber unsRanking-MethodikPresse
RechtlichesDatenschutzAGB
© 2026 Bringes Technology SRL·VAT RO45896025·hello@awesome-repositories.com
·

1 Repo

Awesome GitHub RepositoriesTraining Data Batching

Pipelines specifically designed to group training data into small subsets for gradient descent stability.

Distinct from Batch Processing Pipelines: Distinct from general batch processing pipelines by focusing on mini-batching for neural network training stability.

Explore 1 awesome GitHub repository matching development tools & productivity · Training Data Batching. Refine with filters or upvote what's useful.

Awesome Training Data Batching GitHub Repositories

Finde die besten Repos mit KI.Wir suchen mit KI nach den am besten passenden Repositories.
  • udacity/deep-learningAvatar von udacity

    udacity/deep-learning

    4,058Auf GitHub ansehen↗

    Dieses Projekt ist ein Deep-Learning-Bildungskurs und Implementierungsleitfaden für den Aufbau und das Training neuronaler Netze. Es bietet einen Lehrplan für die Entwicklung von Modellen, die Mustererkennungs- und generative Aufgaben lösen. Das Material umfasst spezialisierte Module für Computer Vision, Natural Language Processing und generative KI. Es behandelt die praktische Anwendung von Transfer Learning zur Klassifizierung neuer Daten sowie die Erstellung synthetischer Medien. Das Projekt umfasst den Entwurf von Netzwerkarchitekturen, die Konstruktion von Machine-Learning-Datenpipelines und die Nutzung von Modell-Leistungsdiagnosen zur Identifizierung von Underfitting oder Overfitting. Die Inhalte werden über Jupyter Notebooks vermittelt.

    Provides data pipelines that stream preprocessed data in small subsets to stabilize gradient updates.

    Jupyter Notebook
    Auf GitHub ansehen↗4,058
  1. Home
  2. Development Tools & Productivity
  3. Batch Processing Pipelines
  4. Training Data Batching