2 Repos
Awesome GitHub RepositoriesProblem Specifications
Structured definitions of computational challenges that isolate logic from implementation details.
Distinct from Algorithmic Problem Implementations: Distinct from Algorithmic Problem Implementations: focuses on the abstract definition of the task rather than the code itself.
Explore 2 awesome GitHub repositories matching education & learning resources · Problem Specifications. Refine with filters or upvote what's useful.
Awesome Problem Specifications GitHub Repositories
Finde die besten Repos mit KI.Wir suchen mit KI nach den am besten passenden Repositories.
- google-deepmind/learning-to-learn
google-deepmind/learning-to-learn
4,068Auf GitHub ansehenDieses Projekt ist ein TensorFlow-Framework für Meta-Learning und ein Research-Toolkit, das darauf ausgelegt ist, gelernte Optimierer (Learned Optimizers) zu implementieren und zu trainieren. Es bietet eine Bibliothek von Tools zur Entwicklung neuronaler Netze, die lernen, wie andere Modelle optimiert werden, und ersetzt damit traditionelle gradientenbasierte Optimierungsalgorithmen. Das Framework enthält einen Problem-Ensemble-Manager, der es ermöglicht, mehrere unterschiedliche Optimierungsaufgaben für ein gleichzeitiges Training in einer einzigen gewichteten Verlustfunktion zu kombinieren. Es verwendet ein Factory-Pattern für die Netzwerk-Instanziierung und unterstützt die Definition benutzerdefinierter Zielfunktionen und Loss-Graphen als Ziele für Lernalgorithmen. Das Toolkit deckt ein breites Spektrum an Funktionen ab, einschließlich gradientenbasierter Meta-Optimierung, Modell-Benchmarking und der Ausführung von Trainingsschleifen mit konfigurierbaren Unroll-Längen. Es bietet zudem Utilities für die Gradienten-Vorverarbeitung, serialisierte Zustandspersistenz und die Berichterstattung von Experimentstatistiken wie dem mittleren Endfehler und der Epochen-Dauer.
Provides tools for setting up network architectures and hyperparameters for consistent testing across benchmark tasks.
Pythonartificial-intelligencedeep-learningmachine-learning - kennyledet/algorithm-implementations
kennyledet/Algorithm-Implementations
2,197Auf GitHub ansehenDieses Repository ist eine Sammlung gängiger Informatik-Algorithmen und Datenstrukturen, die in mehreren Programmiersprachen implementiert sind. Es dient als Bildungsressource für Studenten und Entwickler, um grundlegende Computerlogik und Software-Engineering-Muster anhand praktischer, versionskontrollierter Codebeispiele zu studieren. Das Projekt zeichnet sich durch die Entkopplung abstrakter Problemdefinitionen von ihren spezifischen Sprachimplementierungen aus. Diese Struktur ermöglicht einen direkten sprachübergreifenden Vergleich, sodass Nutzer analysieren können, wie unterschiedliche Syntax und Programmierparadigmen identische Aufgaben bewältigen. Durch die Organisation der Lösungen in einer hierarchischen Verzeichnisstruktur erleichtert das Repository die Bewertung von Performance-Trade-offs und Codierungsmethoden. Die Sammlung unterstützt die technische Kompetenzentwicklung durch einen standardisierten Satz an Beispielen für algorithmische Problemlösung und Interviewvorbereitung. Die Inhalte werden durch Community-getriebene Workflows gepflegt, um sicherzustellen, dass die Implementierungen für Studium und Review zugänglich bleiben.
Separates abstract problem definitions from language-specific code to enable clear cross-language comparison.
Lua
