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

Descubre los mejores repositorios open-source con nuestra búsqueda potenciada por IA.

ExplorarBúsquedas curadasAlternativas open-sourceSoftware autohospedableBlogMapa del sitio
ProyectoServidor MCPAcerca deCómo clasificamosPrensa
Aviso legalPrivacidadTérminos
© 2026 Bringes Technology SRL·VAT RO45896025·hello@awesome-repositories.com
·

1 repositorio

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

Encuentra los mejores repositorios con IA.Buscaremos los repositorios que mejor coincidan usando IA.
  • srush/tensor-puzzlesAvatar de srush

    srush/Tensor-Puzzles

    4,162Ver en GitHub↗

    Tensor-Puzzles es una suite de ejercicios educativos y tutorial de computación numérica diseñado para dominar las operaciones de tensores y las reglas de broadcasting dentro de PyTorch. Funciona como un entrenador de implementación donde los usuarios practican la transición de fórmulas matemáticas a código reimplementando primitivas matemáticas de aprendizaje profundo. El proyecto utiliza una suite de ejercicios basada en restricciones que restringe las llamadas a librerías disponibles para forzar el uso de primitivas de tensores específicas. Estos desafíos están estructurados como rompecabezas secuenciales que requieren que los usuarios resuelvan tareas utilizando un patrón de implementación modular, donde las funciones complejas se dividen en operaciones dependientes más simples. La corrección se garantiza a través de un entorno de ejecución integrado en PyTorch que utiliza validación de implementación de referencia y comprobaciones de tolerancia numérica. El sistema verifica que las salidas definidas por el usuario coincidan con los resultados de referencia y se adhieran a las reglas estándar de broadcasting de arrays multidimensionales.

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

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