Summary
machine-learning
Denne metapakke vil installere alle programmerne for maskinlæring for photons-and-neutrons PAN.
Description
For a better overview of the project's availability as a Debian package, each head row has a color code according to this scheme:
If you discover a project which looks like a good candidate for PAN Blend
to you, or if you have prepared an unofficial Debian package, please do not hesitate to
send a description of that project to the PAN Blend mailing list
Links to other tasks
|
PAN Blend machine-learning packages
Official Debian packages with high relevance
keras-doc
CPU/GPU-matematikudtrykskompiler for Python - dokumentation
|
Versions of package keras-doc |
Release | Version | Architectures |
buster | 2.2.4-1 | all |
upstream | 2.4.3 |
|
License: DFSG free
|
Keras er et Pythonbibliotek til maskinlæring baseret på dybe (flerlags)
kunstige neurale netværk (DNN), som følger et minimalistisk og modulært
design med fokus på hurtig eksperimentering.
Funktioner for DNN'er såsom neurale lag, omkostningsfunktioner,
optimeringsprogrammer, opstartsskemaer, aktiveringsfunktioner og
reguleringsskemaer er tilgængelige i Keras som uafhængige moduler, som
kan samles efter behov til at oprette sekvensmodeller eller mere
komplekse arkitekturer. Keras understøtter »convolutions neural
networks« (CNN, brugt til billedgenkendelse respektiv klassifikation)
og »recurrent neural networks« (RNN, egnet for sekvensanalyse som i
naturlig sprogbehandling).
Biblioteket afvikles som et abstraktionslag oven på Theano (kompiler til
matematikudtryk) som standard, hvilket gør det muligt at accelerere
beregningerne ved at bruge (GP)GPU-enheder. Alternativt kan Keras afvikles
på Googles TensorFlow (endnu ikke tilgængelig i Debian).
Denne pakke indeholder dokumentationen for Keras.
|
|
libopencv-dnn-dev
development files for libopencv-dnn406t64
|
Versions of package libopencv-dnn-dev |
Release | Version | Architectures |
bullseye | 4.5.1+dfsg-5 | amd64,arm64,armel,armhf,i386,mips64el,mipsel,ppc64el,s390x |
sid | 4.6.0+dfsg-13.1 | amd64,arm64,armel,armhf,i386,mips64el,ppc64el,riscv64,s390x |
trixie | 4.6.0+dfsg-13.1 | amd64,arm64,armel,armhf,i386,mips64el,ppc64el,s390x |
bookworm | 4.6.0+dfsg-12 | amd64,arm64,armel,armhf,i386,mips64el,mipsel,ppc64el,s390x |
upstream | 4.9.0 |
|
License: DFSG free
|
This package contains the header files and static library needed to compile
in deep neural network module.
The Open Computer Vision Library is a collection of algorithms and sample
code for various computer vision problems. The library is compatible with
IPL (Intel's Image Processing Library) and, if available, can use IPP
(Intel's Integrated Performance Primitives) for better performance.
OpenCV provides low level portable data types and operators, and a set
of high level functionalities for video acquisition, image processing and
analysis, structural analysis, motion analysis and object tracking, object
recognition, camera calibration and 3D reconstruction.
Please cite:
Gary Bradski and Adrian Kaehler:
Learning OpenCV: Computer Vision with the OpenCV Library
(2008)
|
|
libopencv-dnn4.5
computer vision Deep neural network module
|
Versions of package libopencv-dnn4.5 |
Release | Version | Architectures |
bullseye | 4.5.1+dfsg-5 | amd64,arm64,armel,armhf,i386,mips64el,mipsel,ppc64el,s390x |
upstream | 4.9.0 |
|
License: DFSG free
|
This package contains the OpenCV (Open Computer Vision) deep neural network
module.
The Open Computer Vision Library is a collection of algorithms and sample
code for various computer vision problems. The library is compatible with
IPL (Intel's Image Processing Library) and, if available, can use IPP
(Intel's Integrated Performance Primitives) for better performance.
OpenCV provides low level portable data types and operators, and a set
of high level functionalities for video acquisition, image processing and
analysis, structural analysis, motion analysis and object tracking, object
recognition, camera calibration and 3D reconstruction.
Please cite:
Gary Bradski and Adrian Kaehler:
Learning OpenCV: Computer Vision with the OpenCV Library
(2008)
|
|
libtorch-test
Tensorer og dynamiske neurale netværk i Python - binære filer til test
|
Versions of package libtorch-test |
Release | Version | Architectures |
experimental | 2.1.2+dfsg-1 | amd64,arm64,riscv64,s390x |
sid | 2.0.1+dfsg-5 | ppc64el |
sid | 2.1.2+dfsg-4 | amd64,arm64,s390x |
bullseye | 1.7.1-7 | amd64,arm64,armhf,ppc64el,s390x |
bookworm | 1.13.1+dfsg-4 | amd64,arm64,ppc64el,s390x |
upstream | 2.3.0 |
|
License: DFSG free
|
PyTorch er en Pythonpakke, der tilbyder to funktioner på højt niveau.
(1) Tensorberegning (som NumPy) med stærk GPU-acceleration
(2) Dybe neurale netværk bygget på et båndbaseret autograd-system
Du kan genbruge dine favoritpakker fra Python såsom NumPy, SciPy og Cython for at udvide PyTorch efter behov.
Dette er versionen kun for cpu af PyTorch (binære testfiler).
Please cite:
Adam Paszke, Sam Gross, Francisco Massa, Adam Lerer, James Bradbury, Gregory Chanan, Trevor Killeen, Zeming Lin, Natalia Gimelshein, Luca Antiga, Alban Desmaison, Andreas Kopf, Edward Yang, Zachary DeVito, Martin Raison, Alykhan Tejani, Sasank Chilamkurthy, Benoit Steiner, Lu Fang, Junjie Bai and Soumith Chintala:
|
|
libtorch-thnn
libTHNN.so fra Neural Network Pacage for Torch Framework
|
Versions of package libtorch-thnn |
Release | Version | Architectures |
buster | 0~20171002-g8726825+dfsg-4 | amd64,armhf,i386 |
|
License: DFSG free
|
Denne pakke tilbyder en nem og modulopbygget måde at bygge og træne simple
eller komplekse neurale netværk via Torch Framework.
Denne pakke indeholder libTHNN.so, motorbibliotek for lua-torch-nn.
|
|
python-tpot-doc
Dokumentation og eksempler for TPOT
|
Versions of package python-tpot-doc |
Release | Version | Architectures |
sid | 0.11.7+dfsg-5 | all |
bullseye | 0.11.7+dfsg-1 | all |
|
License: DFSG free
|
Anse TPOT som din datavidenskabsassistent. TPOT er et automatiseret maskinlæringsværktøj for Python, der optimerer maskinlæringsdatakanaler via genetisk programmering.
TPOT vil automatisere de mest kedelige dele af maskinlæring ved intelligent at afsløre tusindvis af mulige datakanaler for at finde de bedste for dine data.
Når TPOT er færdig med at søge (eller du bliver træt af at vente), så tilbydes du Pythonkode for den bedste datakanal den finder, så du kan forbedre datakanalen derfra.
TPOT er bygget oven på scikit-learn, så al koden den opretter bør se bekendt ud ... hvis du altså kender til scikit-learn.
Denne pakke indeholder dokumentationen, eksempler på skripter og øvelser for TPOT.
|
|
python3-brian
Simulator for spikingneurale netværk
|
Versions of package python3-brian |
Release | Version | Architectures |
bookworm | 2.5.1-3 | all |
bullseye | 2.4.2-6 | all |
sid | 2.5.4-4 | all |
trixie | 2.5.4-4 | all |
upstream | 2.6.0 |
|
License: DFSG free
|
Brian er en ur-drevet simulator for spikingneurale netværk. Det er designet
med vægt på fleksibilitet og udvidelse, for hurtig udvikling og raffinement
af neurale modeller. Neuronmodeller er specificeret af sæt af brugerangivne
differentialligninger, tærskelbetingelser og nulstillingsbetingelser (givet
som strenge). Fokus er primært på netværk med »single compartment
neuron«-modeller (f.eks. leaky integrate-and-fire- eller
Hodgkin-Huxley-neuroner). Inkluderede funktioner:
- et system for angivelse af kvantiteter med fysiske dimensioner
- præcis numerisk integration for lineære differentialligninger
- Euler, Runge-Kutta og eksponentiel Eulerintegration for ikkelineære
differentialligninger
- synaptiske forbindelser med forsinkelser
- korttids og langtids plasticitet (spike-timing-afhængig plasticitet)
- et bibliotek med modelkomponenter, inklusive integrate-and-fire
ligninger, synapser og ionic-strømme
- en værktøjskasse for automatisk tilpasning af spiking neuron-modeller
til elektrofysiologiske optagelser
|
|
python3-eagerpy
Omslag omkring diverse Python-tabeltyper med flere dimensioner
|
Versions of package python3-eagerpy |
Release | Version | Architectures |
bullseye | 0.29.0-3 | all |
trixie | 0.30.0-3 | all |
sid | 0.30.0-3 | all |
bookworm | 0.30.0-3 | all |
|
License: DFSG free
|
EagerPy er en Pythonramme, hvor du kan skrive kode, der automatisk fungerer med PyTorch, TensorFlow, JAX og NumPy.
|
|
python3-keras
Dyb læringsramme der afvikles på Theano eller TensorFlow
|
Versions of package python3-keras |
Release | Version | Architectures |
buster | 2.2.4-1 | all |
sid | 2.3.1+dfsg2-1 | all |
bullseye | 2.3.1+dfsg-3 | all |
upstream | 2.4.3 |
|
License: DFSG free
|
Keras er et Pythonbibliotek til maskinlæring baseret på dybe (flerlags)
kunstige neurale netværk (DNN), som følger et minimalistisk og modulært
design med fokus på hurtig eksperimentering.
Funktioner for DNN'er såsom neurale lag, omkostningsfunktioner,
optimeringsprogrammer, opstartsskemaer, aktiveringsfunktioner og
reguleringsskemaer er tilgængelige i Keras som uafhængige moduler, som
kan samles efter behov til at oprette sekvensmodeller eller mere
komplekse arkitekturer. Keras understøtter »convolutions neural
networks« (CNN, brugt til billedgenkendelse respektiv klassifikation)
og »recurrent neural networks« (RNN, egnet for sekvensanalyse som i
naturlig sprogbehandling).
Biblioteket afvikles som et abstraktionslag oven på Theano (kompiler til
matematikudtryk) som standard, hvilket gør det muligt at accelerere
beregningerne ved at bruge (GP)GPU-enheder. Alternativt kan Keras afvikles
på Googles TensorFlow (endnu ikke tilgængelig i Debian).
|
|
python3-keras-applications
Populære modeller og præøvede vægte for Keras dybe læringsramme
|
Versions of package python3-keras-applications |
Release | Version | Architectures |
sid | 1.0.8+ds-1 | all |
buster | 1.0.6-1 | all |
bullseye | 1.0.8+ds-1 | all |
bookworm | 1.0.8+ds-1 | all |
trixie | 1.0.8+ds-1 | all |
|
License: DFSG free
|
Keras er et Pythonbibliotek til maskinlæring baseret på dybe (flerlags)
kunstige neurale netværk (DNN), som følger et minimalistisk og modulært
design med fokus på hurtig eksperimentering.
Funktioner for DNN'er såsom neurale lag, omkostningsfunktioner,
optimeringsprogrammer, opstartsskemaer, aktiveringsfunktioner og
reguleringsskemaer er tilgængelige i Keras som uafhængige moduler, som
kan samles efter behov til at oprette sekvensmodeller eller mere
komplekse arkitekturer. Keras understøtter »convolutions neural
networks« (CNN, brugt til billedgenkendelse respektiv klassifikation)
og »recurrent neural networks« (RNN, egnet for sekvensanalyse som i
naturlig sprogbehandling).
Biblioteket afvikles som et abstraktionslag oven på Theano (kompiler til
matematikudtryk) som standard, hvilket gør det muligt at accelerere
beregningerne ved at bruge (GP)GPU-enheder. Alternativt kan Keras afvikles
på Googles TensorFlow (endnu ikke tilgængelig i Debian).
Keras Applications er et programmodul for Keras dybe læringsbibliotek. Det tilbyder modeldefinitioner og præøvede vægte for et antal populære arkitekturer, såsom VGG16, ResNet50, Xception, MobileNet med mere.
|
|
python3-keras-preprocessing
Dataforbrændermodul for Keras dybe læringsramme
|
Versions of package python3-keras-preprocessing |
Release | Version | Architectures |
buster | 1.0.5-1 | all |
bullseye | 1.1.0+ds-1 | all |
bookworm | 1.1.0+ds-1 | all |
trixie | 1.1.0+ds-1 | all |
sid | 1.1.0+ds-1 | all |
upstream | 1.1.2 |
|
License: DFSG free
|
Keras er et Pythonbibliotek til maskinlæring baseret på dybe (flerlags)
kunstige neurale netværk (DNN), som følger et minimalistisk og modulært
design med fokus på hurtig eksperimentering.
Funktioner for DNN'er såsom neurale lag, omkostningsfunktioner,
optimeringsprogrammer, opstartsskemaer, aktiveringsfunktioner og
reguleringsskemaer er tilgængelige i Keras som uafhængige moduler, som
kan samles efter behov til at oprette sekvensmodeller eller mere
komplekse arkitekturer. Keras understøtter »convolutions neural
networks« (CNN, brugt til billedgenkendelse respektiv klassifikation)
og »recurrent neural networks« (RNN, egnet for sekvensanalyse som i
naturlig sprogbehandling).
Biblioteket afvikles som et abstraktionslag oven på Theano (kompiler til
matematikudtryk) som standard, hvilket gør det muligt at accelerere
beregningerne ved at bruge (GP)GPU-enheder. Alternativt kan Keras afvikles
på Googles TensorFlow (endnu ikke tilgængelig i Debian).
Keras Preprocessing er et modul for dataforbrænding og dataforstærkning for Keras dybe læringsbibliotek. Det tilbyder redskaber for arbejdet med billeddata, tekstdata og sekvensdata.
|
|
python3-lasagne
deep learning library build on the top of Theano (Python3 modules)
|
Versions of package python3-lasagne |
Release | Version | Architectures |
stretch | 0.1+git20160728.8b66737-2 | all |
buster | 0.1+git20181019.a61b76f-1 | all |
|
License: DFSG free
|
Lasagne is a Python library to build and train deep (multi-layered) artificial
neural networks on the top of Theano (math expression compiler). In comparison
to other abstraction layers for that like e.g. Keras, it abstracts Theano as
little as possible.
Lasagne supports networks like Convolutional Neural Networks (CNN, mostly used
for image recognition resp. classification) and the Long Short-Term Memory type
(LSTM, a subtype of Recurrent Neural Networks, RNN).
This package contains the modules for Python 3.
|
|
python3-mdp
Modulært værktøjssæt for databehandling
|
Versions of package python3-mdp |
Release | Version | Architectures |
bookworm | 3.6-2 | amd64,arm64,mips64el,ppc64el |
stretch | 3.5-1 | all |
jessie | 3.3-2 | all |
sid | 3.6-8 | all |
trixie | 3.6-8 | all |
bullseye | 3.6-1.1 | all |
|
License: DFSG free
|
Databehandlingsramme til Python for bygning af komplekse
databehandlingsprogrammer ved at kombinere udbredte algoritmer for
maskinlæring til datakanaler og netværk. Implementerede algoritmer
inkluderer: Principal Component Analysis (PCA), Independent Component
Analysis (ICA), Slow Feature Analysis (SFA), Independent Slow Feature
Analysis (ISFA), Growing Neural Gas (GNG), Factor Analysis,
Fisher Discriminant Analysis (FDA) og gaussiske klassifikationer.
|
|
python3-onnx
Open Neural Network Exchange (ONNX) (Python)
|
Versions of package python3-onnx |
Release | Version | Architectures |
sid | 1.14.1-2.1 | amd64,arm64,armel,armhf,i386,mips64el,ppc64el,riscv64,s390x |
bullseye | 1.7.0+dfsg-3 | amd64,arm64,armel,armhf,i386,mips64el,mipsel,ppc64el,s390x |
bookworm | 1.12.0-2 | amd64,arm64,armel,armhf,i386,mips64el,mipsel,ppc64el,s390x |
trixie | 1.14.1-2.1 | amd64,arm64,armel,armhf,i386,mips64el,ppc64el,s390x |
upstream | 1.16.0 |
|
License: DFSG free
|
Open Neural Network Exchange (ONNX) is the first step toward an open ecosystem
that empowers AI developers to choose the right tools as their project evolves.
ONNX provides an open source format for AI models. It defines an extensible
computation graph model, as well as definitions of built-in operators and
standard data types. Initially onnx focuses on the capabilities needed for
inferencing (evaluation).
Caffe2, PyTorch, Microsoft Cognitive Toolkit, Apache MXNet and other tools are
developing ONNX support. Enabling interoperability between different frameworks
and streamlining the path from research to production will increase the speed
of innovation in the AI community.
This package contains the python interface.
|
|
python3-pyclustering
Dataminingsalgoritmer - Python 3
|
Versions of package python3-pyclustering |
Release | Version | Architectures |
sid | 0.10.1.2-2 | all |
bullseye | 0.10.1.2-1 | all |
bookworm | 0.10.1.2-2 | all |
trixie | 0.10.1.2-2 | all |
|
License: DFSG free
|
Dette bibliotek tilbyder værktøjer for klyngealgoritmer, oscillerende netværk og neurale netværk.
Denne pakke installerer biblioteket for Python 3.
|
|
python3-sklearn
Pythonmoduler for maskinlæring og dataundersøgelse - Python 3
|
Versions of package python3-sklearn |
Release | Version | Architectures |
stretch | 0.18-5 | all |
bookworm | 1.2.1+dfsg-1 | all |
bullseye | 0.23.2-5 | all |
buster | 0.20.2+dfsg-6 | all |
sid | 1.4.2+dfsg-1 | all |
trixie | 1.4.2+dfsg-1 | all |
|
License: DFSG free
|
Scikit-learn er en samling af Pythonmoduler, der er relevante for
maskin/statistisk læring og dataundersøgelse. En ikke udtømmende liste over
inkluderet funktionalitet:
- Gaussianske blandede modeller
- Manifold-læring
- kNN
- SVM (via LIBSVM)
Denne pakke indeholder Python 3-versionen.
|
|
python3-skorch
scikit-learn compatible neural network library that wraps PyTorch
|
Versions of package python3-skorch |
Release | Version | Architectures |
bullseye | 0.9.0-3 | all |
bookworm | 0.12.1-2 | all |
sid | 0.15.0-1 | all |
|
License: DFSG free
|
The goal of skorch is to make it possible to use PyTorch with sklearn. This is
achieved by providing a wrapper around PyTorch that has an sklearn interface.
In that sense, skorch is the spiritual successor to nolearn, but instead of
using Lasagne and Theano, it uses PyTorch.
skorch does not re-invent the wheel, instead getting as much out of your way as
possible. If you are familiar with sklearn and PyTorch, you don’t have to learn
any new concepts, and the syntax should be well known. (If you’re not familiar
with those libraries, it is worth getting familiarized.)
Additionally, skorch abstracts away the training loop, making a lot of
boilerplate code obsolete. A simple net.fit(X, y) is enough. Out of the box,
skorch works with many types of data, be it PyTorch Tensors, NumPy arrays,
Python dicts, and so on. However, if you have other data, extending skorch is
easy to allow for that.
Overall, skorch aims at being as flexible as PyTorch while having a clean
interface as sklearn.
|
|
python3-torch
Tensorer og dynamiske neurale netværk i Python - Pythongrænseflade
|
Versions of package python3-torch |
Release | Version | Architectures |
sid | 2.0.1+dfsg-5 | ppc64el |
experimental | 2.1.2+dfsg-1 | amd64,arm64,riscv64,s390x |
bookworm | 1.13.1+dfsg-4 | amd64,arm64,ppc64el,s390x |
bullseye | 1.7.1-7 | amd64,arm64,armhf,ppc64el,s390x |
sid | 2.1.2+dfsg-4 | amd64,arm64,s390x |
upstream | 2.3.0 |
|
License: DFSG free
|
PyTorch er en Pythonpakke, der tilbyder to funktioner på højt niveau.
(1) Tensorberegning (som NumPy) med stærk GPU-acceleration
(2) Dybe neurale netværk bygget på et båndbaseret autograd-system
Du kan genbruge dine favoritpakker fra Python såsom NumPy, SciPy og Cython for at udvide PyTorch efter behov.
Dette er versionen kun for cpu af PyTorch (Pythongrænseflade).
Please cite:
Adam Paszke, Sam Gross, Francisco Massa, Adam Lerer, James Bradbury, Gregory Chanan, Trevor Killeen, Zeming Lin, Natalia Gimelshein, Luca Antiga, Alban Desmaison, Andreas Kopf, Edward Yang, Zachary DeVito, Martin Raison, Alykhan Tejani, Sasank Chilamkurthy, Benoit Steiner, Lu Fang, Junjie Bai and Soumith Chintala:
|
|
python3-torch-ignite
High-level library to help with training and evaluating in PyTorch
|
Versions of package python3-torch-ignite |
Release | Version | Architectures |
bullseye | 0.4.3-1 | all |
sid | 0.4.12-1 | all |
upstream | 0.4.13 |
|
License: DFSG free
|
Ignite is a high-level library to help with training and evaluating neural
networks in PyTorch flexibly and transparently.
Features
- Less code than pure PyTorch while ensuring maximum control and simplicity
- Library approach and no program's control inversion
- Extensible API for metrics, experiment managers, and other components
|
|
python3-tpot
Automatiseret maskinlæringsværktøj bygget oven på scikit-learn
|
Versions of package python3-tpot |
Release | Version | Architectures |
bullseye | 0.11.7+dfsg-1 | all |
sid | 0.11.7+dfsg-5 | all |
|
License: DFSG free
|
Anse TPOT som din datavidenskabsassistent. TPOT er et automatiseret maskinlæringsværktøj for Python, der optimerer maskinlæringsdatakanaler via genetisk programmering.
TPOT vil automatisere de mest kedelige dele af maskinlæring ved intelligent at afsløre tusindvis af mulige datakanaler for at finde de bedste for dine data.
Når TPOT er færdig med at søge (eller du bliver træt af at vente), så tilbydes du Pythonkode for den bedste datakanal den finder, så du kan forbedre datakanalen derfra.
TPOT er bygget oven på scikit-learn, så al koden den opretter bør se bekendt ud ... hvis du altså kender til scikit-learn.
Denne pakke indeholder Python 3.x-versionen af TPOT.
|
|
Debian packages in contrib or non-free
python3-torch-cuda
Tensors and Dynamic neural networks in Python (Python Interface)
|
Versions of package python3-torch-cuda |
Release | Version | Architectures |
sid | 2.1.2+dfsg-3 (contrib) | amd64 |
sid | 2.0.1+dfsg-5 (contrib) | ppc64el |
upstream | 2.3.0 |
|
License: DFSG free, but needs non-free components
|
PyTorch is a Python package that provides two high-level features:
(1) Tensor computation (like NumPy) with strong GPU acceleration
(2) Deep neural networks built on a tape-based autograd system
You can reuse your favorite Python packages such as NumPy, SciPy and Cython
to extend PyTorch when needed.
This is the CUDA version of PyTorch (Python interface).
|
|