Summary
Machine Learning
pacchetti di apprendimento automatico per Debian Science
Questo metapacchetto installa i pacchetti utili all'apprendimento
automatico. I pacchetti inclusi vanno dai sistemi di inferenza (esperti)
basati sulla conoscenza fino al software che implementa i metodi statistici
avanzati che attualmente dominano il campo.
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 Debian Science
to you, or if you have prepared an unofficial Debian package, please do not hesitate to
send a description of that project to the Debian Science mailing list
Links to other tasks
|
Debian Science Machine Learning packages
Official Debian packages with high relevance
autoclass
classificazione o clustering automatici
|
Versions of package autoclass |
Release | Version | Architectures |
bullseye | 3.3.6.dfsg.1-2 | amd64,arm64,armel,armhf,i386,mips64el,mipsel,ppc64el,s390x |
stretch | 3.3.6.dfsg.1-1 | amd64,arm64,armel,armhf,i386,mips,mips64el,mipsel,ppc64el,s390x |
sid | 3.3.6.dfsg.2-2 | amd64,arm64,armel,armhf,i386,mips64el,ppc64el,riscv64,s390x |
trixie | 3.3.6.dfsg.2-2 | amd64,arm64,armel,armhf,i386,mips64el,ppc64el,riscv64,s390x |
bookworm | 3.3.6.dfsg.2-1 | amd64,arm64,armel,armhf,i386,mips64el,mipsel,ppc64el,s390x |
buster | 3.3.6.dfsg.1-1 | amd64,arm64,armhf,i386 |
jessie | 3.3.6.dfsg.1-1 | amd64,armel,armhf,i386 |
Debtags of package autoclass: |
field | mathematics |
interface | commandline |
role | program |
scope | utility |
use | organizing |
|
License: DFSG free
|
AutoClass risolve il problema di rilevare in modo automatico classi
all'interno di dati (talvolta chiamato clustering o apprendimento non
supervisionato), in contrasto con la generazione di descrizioni di classi
da esempi già classificati (chiamato apprendimento supervisionato). Mira a
scoprire le classi "naturali" all'interno dei dati. AutoClass è applicabile
ad osservazioni di quelle cose che possono essere descritte da un insieme
di attributi, senza fare riferimento ad altre cose. I valori dei dati
corrispondenti ad ogni attributo sono limitati ad essere o numeri o
elementi di un insieme finito di simboli. Con dati numerici deve essere
fornito un errore di misurazione.
|
|
caffe-cpu
infrastruttura aperta e veloce per apprendimento approfondito (metapacchetto)
|
Versions of package caffe-cpu |
Release | Version | Architectures |
buster | 1.0.0+git20180821.99bd997-2 | amd64,arm64,armhf,i386 |
stretch | 1.0.0~rc4-1 | amd64,arm64,armel,i386,mips,mips64el,mipsel,ppc64el,s390x |
|
License: DFSG free
|
Caffe è un'infrastruttura per apprendimento approfondito creata pensando
all'espressività, alla velocità e alla modularità. È stata sviluppata dal
Berkeley AI Research Lab (BAIR) e dai contributori della comunità.
Questo metapacchetto fornisce la versione CPU_ONLY di caffe:
Notare che questa versione CPU_ONLY non può coesistere con la versione CUDA.
|
|
gprolog
|
Versions of package gprolog |
Release | Version | Architectures |
bookworm | 1.4.5.0-3 | amd64,i386 |
sid | 1.4.5.0-3 | amd64,i386 |
jessie | 1.3.0-6.1 | amd64,i386 |
bullseye | 1.4.5.0-3 | amd64,i386 |
trixie | 1.4.5.0-3 | amd64,i386 |
Debtags of package gprolog: |
devel | compiler, interpreter, lang:prolog |
interface | commandline |
role | program |
scope | utility |
suite | gnu |
works-with | software:source |
|
License: DFSG free
|
GNU Prolog is a free Prolog compiler with constraint solving over
finite domains (FD). GNU Prolog is largely compliant with the ISO
standard and is part of the Prolog Commons initiative.
This package contains the compiler and runtime system for the ISO
standard version of GNU Prolog, including the prototype modules
implementation.
|
|
libcv-dev
??? missing short description for package libcv-dev :-(
|
Versions of package libcv-dev |
Release | Version | Architectures |
jessie | 2.4.9.1+dfsg-1+deb8u1 | amd64,armel,armhf,i386 |
stretch-security | 2.4.9.1+dfsg1-2+deb9u1 | amd64,arm64,armel,armhf,i386 |
stretch | 2.4.9.1+dfsg1-2 | amd64,arm64,armel,armhf,i386,mips,mips64el,mipsel,ppc64el,s390x |
jessie-security | 2.4.9.1+dfsg-1+deb8u2 | amd64,armel,armhf,i386 |
upstream | 4.10.0 |
Debtags of package libcv-dev: |
devel | library |
role | devel-lib |
|
License: DFSG free
|
Please cite:
Gary Bradski and Adrian Kaehler:
Learning OpenCV: Computer Vision with the OpenCV Library
(2008)
|
|
libevocosm-dev
??? missing short description for package libevocosm-dev :-(
|
Versions of package libevocosm-dev |
Release | Version | Architectures |
stretch | 4.0.2-3.1 | amd64,arm64,armel,armhf,i386,mips,mips64el,mipsel,ppc64el,s390x |
jessie | 4.0.2-3 | amd64,armel,armhf,i386 |
Debtags of package libevocosm-dev: |
devel | library |
role | devel-lib |
|
License: DFSG free
|
|
|
libfann-dev
file header e librerie di sviluppo per FANN
|
Versions of package libfann-dev |
Release | Version | Architectures |
bullseye | 2.2.0+ds-6 | amd64,arm64,armel,armhf,i386,mips64el,mipsel,ppc64el,s390x |
buster | 2.2.0+ds-5 | amd64,arm64,armhf,i386 |
sid | 2.2.0+ds-8 | amd64,arm64,armel,armhf,i386,mips64el,ppc64el,riscv64,s390x |
jessie | 2.1.0~beta+dfsg-1 | amd64,armel,armhf,i386 |
bookworm | 2.2.0+ds-8 | amd64,arm64,armel,armhf,i386,mips64el,mipsel,ppc64el,s390x |
stretch | 2.2.0+ds-3 | amd64,arm64,armel,armhf,i386,mips,mips64el,mipsel,ppc64el,s390x |
trixie | 2.2.0+ds-8 | amd64,arm64,armel,armhf,i386,mips64el,ppc64el,riscv64,s390x |
Debtags of package libfann-dev: |
devel | lang:c, library |
role | devel-lib |
|
License: DFSG free
|
La libreria FANN (Fast Artificial Neural Network, veloce rete neurale
artificiale) è una libreria per rete neurale libera e open source che
implementa reti neurali artificiali multilivello in C con la gestione sia
di reti completamente connesse sia di reti connesse in modo sparso. Sono
gestite le esecuzioni multipiattaforma in virgola fissa e in virgola
mobile. Include un'infrastruttura per gestire in modo semplice insiemi di
dati di addestramento. È facile da usare, versatile, ben documentata e veloce.
Questo pacchetto contiene i file header e le librerie statiche che sono
necessari per sviluppare applicazioni per libfann.
|
|
libga-dev
C++ Library of Genetic Algorithm Components
|
Versions of package libga-dev |
Release | Version | Architectures |
bookworm | 2.4.7-6 | amd64,arm64,armel,armhf,i386,mips64el,mipsel,ppc64el,s390x |
buster | 2.4.7-4 | amd64,arm64,armhf,i386 |
stretch | 2.4.7-4 | amd64,arm64,armel,armhf,i386,mips,mips64el,mipsel,ppc64el,s390x |
jessie | 2.4.7-3.1 | amd64,armel,armhf,i386 |
sid | 2.4.7-6 | amd64,arm64,armel,armhf,i386,mips64el,ppc64el,riscv64,s390x |
trixie | 2.4.7-6 | amd64,arm64,armel,armhf,i386,mips64el,ppc64el,riscv64,s390x |
bullseye | 2.4.7-4 | amd64,arm64,armel,armhf,i386,mips64el,mipsel,ppc64el,s390x |
Debtags of package libga-dev: |
devel | library |
role | devel-lib |
|
License: DFSG free
|
GAlib contains a set of C++ genetic algorithm objects. The library
includes tools for using genetic algorithms to do optimization in any C++
program using any representation and genetic operators. The documentation
includes an extensive overview of how to implement a genetic algorithm as
well as examples illustrating customizations to the GAlib classes.
This package contains the development files.
|
|
liblinear-dev
file header e librerie di sviluppo per LIBLINEAR
|
Versions of package liblinear-dev |
Release | Version | Architectures |
jessie | 1.8+dfsg-4 | amd64,armel,armhf,i386 |
stretch | 2.1.0+dfsg-2 | amd64,arm64,armel,armhf,i386,mips,mips64el,mipsel,ppc64el,s390x |
buster | 2.1.0+dfsg-4 | amd64,arm64,armhf,i386 |
bullseye | 2.3.0+dfsg-5 | amd64,arm64,armel,armhf,i386,mips64el,mipsel,ppc64el,s390x |
bookworm | 2.3.0+dfsg-5 | amd64,arm64,armel,armhf,i386,mips64el,mipsel,ppc64el,s390x |
trixie | 2.3.0+dfsg-5 | amd64,arm64,armel,armhf,i386,mips64el,ppc64el,riscv64,s390x |
sid | 2.3.0+dfsg-5 | amd64,arm64,armel,armhf,i386,mips64el,ppc64el,riscv64,s390x |
experimental | 2.43+dfsg-1 | amd64,arm64,armel,armhf,i386,mips64el,ppc64el,riscv64,s390x |
upstream | 2.4.7 |
Debtags of package liblinear-dev: |
devel | lang:c, lang:c++, library |
role | devel-lib |
|
License: DFSG free
|
LIBLINEAR è una libreria per classificatori lineari per apprendimento per
applicazioni su larga scala. Gestisce SVM (Support Vector Machines,
macchine a vettori di supporto) con perdita L2 e L1, regressioni
logistiche, classificazioni multi-classe e anche macchine di programmazione
lineare (SVM con regolarizzazione L1). La sua complessità computazionale
scala linearmente con il numero di esempi di addestramento, e ciò la
rende uno dei più veloci risolutori di SVM in circolazione.
Questo pacchetto contiene i file header e le librerie statiche.
|
|
libmlpack-dev
libreria C++ di apprendimento automatico intuitiva, veloce e scalabile (librerie di sviluppo)
|
Versions of package libmlpack-dev |
Release | Version | Architectures |
jessie | 1.0.10-1 | amd64,armel,armhf,i386 |
buster | 3.0.4-1 | amd64,arm64,armhf,i386 |
sid | 4.5.1-1 | amd64,arm64,armel,armhf,i386,mips64el,ppc64el,s390x |
bullseye | 3.4.2-1 | amd64,arm64,i386,ppc64el,s390x |
stretch | 2.1.1-1 | amd64,arm64,armel,armhf,i386,mips,mips64el,mipsel,ppc64el,s390x |
sid | 4.5.0-1 | riscv64 |
trixie | 4.5.0-1 | amd64,arm64,armel,armhf,i386,mips64el,ppc64el,riscv64,s390x |
|
License: DFSG free
|
Questo pacchetto contiene i file di sviluppo della libreria mlpack.
Machine Learning Pack (mlpack) è una libreria C++ di apprendimento
automatico intuitiva, veloce e scalabile, pensata per essere l'analogo di
LAPACK per l'apprendimento automatico. Mira a implementare una vasta gamma
di metodi di apprendimento automatico e a funzionare come "coltellino
svizzero" per i ricercatori nel campo dell'apprendimento automatico.
|
|
libocas-dev
file header e librerie di sviluppo per LIBOCAS
|
Versions of package libocas-dev |
Release | Version | Architectures |
jessie | 0.97-1 | amd64,armel,armhf,i386 |
buster | 0.97+dfsg-5 | amd64,arm64,armhf,i386 |
trixie | 0.97+dfsg-8 | amd64,arm64,armel,armhf,i386,mips64el,ppc64el,riscv64,s390x |
bookworm | 0.97+dfsg-8 | amd64,arm64,armel,armhf,i386,mips64el,mipsel,ppc64el,s390x |
bullseye | 0.97+dfsg-6 | amd64,arm64,armel,armhf,i386,mips64el,mipsel,ppc64el,s390x |
stretch | 0.97+dfsg-3 | amd64,arm64,armel,armhf,i386,mips,mips64el,mipsel,ppc64el,s390x |
sid | 0.97+dfsg-8 | amd64,arm64,armel,armhf,i386,mips64el,ppc64el,riscv64,s390x |
Debtags of package libocas-dev: |
devel | lang:c, library |
role | devel-lib |
|
License: DFSG free
|
Questa libreria implementa OCAS (Optimized Cutting Plane Algorithm) per
addestrare classificatori SVM (Support Vector Machine) lineari a partire da
dati su larga scala. Il lavoro di calcolo di OCAS scala in modo lineare con
il numero di esempi di addestramento. È uno dei risolutori SVM più veloci
disponibili per la risoluzione di SVM L2 regolarizzate multiclasse e lineari.
Questo pacchetto contiene i file header e le librerie statiche.
|
|
libroot-math-mlp-dev
??? missing short description for package libroot-math-mlp-dev :-(
|
Versions of package libroot-math-mlp-dev |
Release | Version | Architectures |
jessie | 5.34.19+dfsg-1.2 | amd64,armel,armhf,i386 |
Debtags of package libroot-math-mlp-dev: |
devel | library |
role | devel-lib |
|
License: DFSG free
|
|
|
libroot-montecarlo-vmc-dev
??? missing short description for package libroot-montecarlo-vmc-dev :-(
|
Versions of package libroot-montecarlo-vmc-dev |
Release | Version | Architectures |
jessie | 5.34.19+dfsg-1.2 | amd64,armel,armhf,i386 |
Debtags of package libroot-montecarlo-vmc-dev: |
devel | library |
role | devel-lib |
|
License: DFSG free
|
|
|
libroot-tmva-dev
??? missing short description for package libroot-tmva-dev :-(
|
Versions of package libroot-tmva-dev |
Release | Version | Architectures |
jessie | 5.34.19+dfsg-1.2 | amd64,armel,armhf,i386 |
Debtags of package libroot-tmva-dev: |
devel | library |
role | devel-lib |
|
License: DFSG free
|
|
|
libshark-dev
??? missing short description for package libshark-dev :-(
|
Versions of package libshark-dev |
Release | Version | Architectures |
stretch | 3.1.3+ds1-2 | amd64,arm64,armel,armhf,i386,mips,mips64el,mipsel,ppc64el,s390x |
|
License: DFSG free
|
|
|
libshogun-dev
strumenti per l'apprendimento automatico su larga scala
|
Versions of package libshogun-dev |
Release | Version | Architectures |
buster | 3.2.0-8 | amd64,arm64,armhf,i386 |
jessie | 3.2.0-7.3 | amd64,armel,armhf,i386 |
Debtags of package libshogun-dev: |
devel | library |
role | devel-lib |
|
License: DFSG free
|
SHOGUN è un insieme di strumenti per l'apprendimento automatico mirato su
algoritmi di tipo "large scale kernel method", in particolare su Support
Vector Machine (SVM), con un orientamento alla bioinformatica.
Fornisce un oggetto SVM generico che funge da interfaccia per molte diverse
implementazioni SVM. Ciascuna SVM può essere combinata con una delle molte
varietà di kernel implementate.
Può gestire combinazioni lineari pesate di più sub-kernel (non
necessariamente tutti operanti sullo stesso dominio) in cui la
distribuzione ottimale dei pesi dei singoli sub-kernel può essere appresa
tramite Multiple Kernel Learning.
Oltre a problemi di regressione e categorizzazione in 2 classi, gestisce un
gran numero di metodi lineari come LDA (Linear Discriminant Analysis), LPM
(Linear Programming Machine), perceptron (kernel) e algoritmi per
addestrare modelli di Markov nascosti.
Gli oggetti-caratteristiche di input possono essere densi, sparsi o
stringhe, possono essere di qualsiasi tipo tra int, short, double, char, e
possono essere convertiti in tipi diversi.
A ciascun oggetto-caratteristica si possono attaccare catene di
preprocessori (ad esempio uno che sottrae la media) per permettere una
pre-elaborazione "al volo".
SHOGUN è disponibile in diverse varianti, una versione a sé stante e anche
con interfacce specifiche per Matlab™, R, Octave, Readline e Python.
Questo pacchetto contiene i file per lo sviluppo necessari per creare
eseguibili a sé stanti.
|
|
libsvm-dev
|
Versions of package libsvm-dev |
Release | Version | Architectures |
bookworm | 3.24+ds-6 | amd64,arm64,armel,armhf,i386,mips64el,mipsel,ppc64el,s390x |
sid | 3.24+ds-6 | amd64,arm64,armel,armhf,i386,mips64el,ppc64el,riscv64,s390x |
experimental | 3.25+ds-1~exp1 | amd64,arm64,armel,armhf,i386,mips64el,ppc64el,riscv64,s390x |
jessie | 3.12-1 | amd64,armel,armhf,i386 |
trixie | 3.24+ds-6 | amd64,arm64,armel,armhf,i386,mips64el,ppc64el,riscv64,s390x |
stretch | 3.21+ds-1.1 | amd64,arm64,armel,armhf,i386,mips,mips64el,mipsel,ppc64el,s390x |
buster | 3.21+ds-1.2 | amd64,arm64,armhf,i386 |
bullseye | 3.24+ds-6 | amd64,arm64,armel,armhf,i386,mips64el,mipsel,ppc64el,s390x |
upstream | 3.35 |
Debtags of package libsvm-dev: |
devel | library |
role | devel-lib |
|
License: DFSG free
|
LIBSVM, una libreria per apprendimento macchina, è un pacchetto facile da
usare per gestire regressione e classificazione di vettori, e SVM a una
classe. Gestisce la classificazione multiclasse, output delle probabilità e
selezione dei parametri.
Questo pacchetto contiene i file header di sviluppo.
|
|
libtorch3-dev
State of the art machine learning library - development files
|
Versions of package libtorch3-dev |
Release | Version | Architectures |
buster | 3.1-2.2 | amd64,arm64,armhf,i386 |
jessie | 3.1-2.1 | amd64,armel,armhf,i386 |
stretch | 3.1-2.2 | amd64,arm64,armel,armhf,i386,mips,mips64el,mipsel,ppc64el,s390x |
Debtags of package libtorch3-dev: |
devel | library |
role | devel-lib |
|
License: DFSG free
|
Torch is a machine-learning library, written in C++. Its aim is to
provide the state-of-the-art of the best algorithms.
- Many gradient-based methods, including multi-layered perceptrons,
radial basis functions, and mixtures of experts. Many small "modules"
(Linear module, Tanh module, SoftMax module, ...) can be plugged
together.
- Support Vector Machine, for classification and regression.
- Distribution package, includes Kmeans, Gaussian Mixture Models,
Hidden Markov Models, and Bayes Classifier, and classes for speech
recognition with embedded training.
- Ensemble models such as Bagging and Adaboost.
- Non-parametric models such as K-nearest-neighbors, Parzen Regression
and Parzen Density Estimator.
This package is the Torch development package (header files and
static library.)
|
|
libvigraimpex-dev
file di sviluppo per la libreria C++ di visione artificiale
|
Versions of package libvigraimpex-dev |
Release | Version | Architectures |
trixie | 1.12.1+dfsg-1 | amd64,arm64,armel,armhf,i386,mips64el,ppc64el,riscv64,s390x |
sid | 1.12.1+dfsg-1 | amd64,arm64,armel,armhf,i386,mips64el,ppc64el,riscv64,s390x |
bookworm | 1.11.1+dfsg-11 | amd64,arm64,armel,armhf,i386,mips64el,mipsel,ppc64el,s390x |
bullseye | 1.11.1+dfsg-8 | amd64,arm64,armel,armhf,i386,mips64el,mipsel,ppc64el,s390x |
buster | 1.10.0+git20160211.167be93+dfsg1-2 | amd64,arm64,armhf,i386 |
stretch | 1.10.0+git20160211.167be93+dfsg-2 | amd64,arm64,armel,armhf,i386,mips,mips64el,mipsel,ppc64el,s390x |
jessie | 1.9.0+dfsg-10 | amd64,armel,armhf,i386 |
Debtags of package libvigraimpex-dev: |
devel | lang:c++, library |
role | devel-lib |
works-with | image, image:raster |
|
License: DFSG free
|
VIGRA (Vision with Generic Algorithms, visione con algoritmi generici) è
una libreria per visione artificiale che pone particolare attenzione sugli
algoritmi flessibili, perché gli algoritmi rappresentano la
principale conoscenza pratica in questo campo. La libreria è stata di
conseguenza creata usando programmazione generica come introdotta da
Stepanov e Musser ed esemplificata nella Standard Template Library C++.
Mediante la scrittura di pochi adattatori (iteratori e metodo di accesso
per immagini) è possibile usare gli algoritmi di VIGRA nelle proprie
strutture dati, all'interno del proprio ambiente.
Questo pacchetto contiene i file di sviluppo e gli header necessari per
compilare programmi e pacchetti che usano VIGRA.
|
|
lua-torch-graph
pacchetto di calcolo di grafi per l'infrastruttura Torch
|
Versions of package lua-torch-graph |
Release | Version | Architectures |
buster | 0~20161121-g37dac07-3 | all |
|
License: DFSG free
|
Questo pacchetto fornisce calcolo grafico per Torch.
Questo pacchetto contiene anche un'interfaccia graphviz, non è necessario
"graphviz" per usare questa libreria, ma con esso si sarà in grado di
visualizzare i grafi che sono stati creati.
|
|
lua-torch-image
libreria per caricamento/salvataggio di immagini per l'infrastruttura Torch
|
Versions of package lua-torch-image |
Release | Version | Architectures |
buster | 0~20170420-g5aa1881-7 | amd64,armhf |
|
License: DFSG free
|
"image" è il pacchetto della distribuzione Torch7 per elaborare immagini.
Contiene un'ampia varietà di funzioni divise nelle seguenti categorie:
- salvataggio e caricamento di immagini come JPEG, PNG, PPM e PGM;
- semplici trasformazioni come traslazione, ridimensionamento e rotazione;
- trasformazioni parametrizzate come convoluzioni e deformazione;
- semplici routine grafiche come disegnare del testo o un rettangolo su
un'immagine;
- interfacce utente grafiche come display e window;
- conversioni nello spazio dei colori da e verso RGB, YUV, Lab e HSL;
- costruttori di tensori per creare nuclei Lenna, Fabio e Gaussiano e
Laplaciano.
Notare che dove non specificato diversamente, questo pacchetto tratta
immagini di dimensioni "nCanali x altezza x larghezza".
|
|
lua-torch-nn
Neural Network Package for Torch Framework
|
Versions of package lua-torch-nn |
Release | Version | Architectures |
buster | 0~20171002-g8726825+dfsg-4 | all |
|
License: DFSG free
|
This package provides an easy and modular way to build and train
simple or complex neural networks using Torch Framework:
-
Modules are the bricks used to build neural networks.
Each are themselves neural networks, but can be combined with
other networks using containers to create complex neural networks:
-
Module: abstract class inherited by all modules.
- Containers: container classes.
- Transfer functions: non-linear functions.
- Simple layers: simple network layer like
Linear .
- Table layers: layers for manipulating
table s.
-
Convolution layers: several kinds of convolutions.
-
Criterions compute a gradient according to a given loss function
given an input and a target:
-
Criterions: a list of all criterions.
MSECriterion : the Mean Squared Error criterion used for regression;
-
ClassNLLCriterion : the Negative Log Likelihood criterion used for
classification.
-
Additional documentation:
-
Overview of the package essentials including modules, containers
and training.
- Training: how to train a neural network using optim.
- Testing: how to test your modules.
- Experimental Modules: a package containing experimental modules and
criteria.
This package is a core part of the Torch Framework.
|
|
lua-torch-nngraph
Neural Network Graph Package for Torch Framework
|
Versions of package lua-torch-nngraph |
Release | Version | Architectures |
buster | 0~20170208-g3ed3b9b-3 | all |
|
License: DFSG free
|
This package provides graphical computation for nn library in Torch.
The aim of this library is to provide users of nn package with tools to
easily create complicated architectures. Any given nn module is going
to be bundled into a graph node. The __call__ operator of an instance of
nn.Module is used to create architectures as if one is writing function
calls.
|
|
lua-torch-optim
Numeric Optimization Package for Torch Framework
|
Versions of package lua-torch-optim |
Release | Version | Architectures |
buster | 0~20171127-ga5ceed7-1 | all |
|
License: DFSG free
|
This package contains several optimization routines and a logger for Torch.
The following algorithms are provided:
- Stochastic Gradient Descent
- Averaged Stochastic Gradient Descent
- L-BFGS
- Congugate Gradients
- AdaDelta
- AdaGrad
- Adam
- AdaMax
- FISTA with backtracking line search
- Nesterov's Accelerated Gradient method
- RMSprop
- Rprop
- CMAES
All these algorithms are designed to support batch optimization as well
as stochastic optimization. It's up to the user to construct an objective
function that represents the batch, mini-batch, or single sample on which
to evaluate the objective.
This package provides also logging and live plotting capabilities via the
optim.Logger() function. Live logging is essential to monitor the
network accuracy and cost function during training and testing, for
spotting under- and over-fitting, for early stopping or just for monitoring
the health of the current optimisation task.
|
|
lua-torch-trepl
pacchetto REPL per l'infrastruttura Torch
|
Versions of package lua-torch-trepl |
Release | Version | Architectures |
buster | 0~20170619-ge5e17e3-7 | amd64,armhf,i386 |
|
License: DFSG free
|
Un REPL (Read, Eval, Print-Loop) in puro Lua per LuaJIT, con ampia gestione
per i tipi di Torch. Usa Readline per il completamento con il
tabulatore.
Questo pacchetto contiene file di backend per gestire l'interfaccia a riga
di comando "th".
|
|
lua-torch-xlua
pacchetto di estesione per Lua per l'infrastruttura Torch
|
Versions of package lua-torch-xlua |
Release | Version | Architectures |
buster | 0~20160719-g41308fe-7 | all |
|
License: DFSG free
|
Lua è piuttosto compatto in termini di funzionalità incorporate: questo
pacchetto estende le librerie table e string e fornisce altri strumenti di
uso generale (barra di avanzamento, ...).
Questo pacchetto contiene un insieme di utili estensioni a Lua per
l'infrastruttura Torch.
|
|
mcl
algoritmo Cluster di Markov
|
Versions of package mcl |
Release | Version | Architectures |
bookworm | 22-282+ds-2 | amd64,arm64,armel,armhf,i386,mips64el,mipsel,ppc64el,s390x |
jessie | 14-137-1 | amd64,armel,armhf,i386 |
stretch | 14-137-1 | amd64,arm64,armel,armhf,i386,mips,mips64el,mipsel,ppc64el,s390x |
bullseye | 14-137+ds-9 | amd64,arm64,armel,armhf,i386,mips64el,mipsel,ppc64el,s390x |
trixie | 22-282+ds-2 | amd64,arm64,armel,armhf,i386,mips64el,ppc64el,riscv64,s390x |
buster | 14-137+ds-3 | amd64,arm64,armhf,i386 |
sid | 22-282+ds-2 | amd64,arm64,armel,armhf,i386,mips64el,ppc64el,riscv64,s390x |
Debtags of package mcl: |
field | mathematics |
role | program |
|
License: DFSG free
|
Il pacchetto MCL è un'implementazione dell'algoritmo MCL, fornisce
strumenti per manipolare matrici sparse (le strutture dati essenziali
dell'algoritmo MCL) e per eseguire esperimenti su cluster.
MCL viene attualmente utilizzato nelle scienze come la biologia
(rilevamento di famiglie proteiche, genomica), informatica (cluster dei
nodi in reti peer-to-peer) e linguistica (analisi del testo).
The package is enhanced by the following packages:
zoem
|
|
mrgingham
strumento per trovare scacchiere per procedure di calibrazione visiva
|
Versions of package mrgingham |
Release | Version | Architectures |
bookworm | 1.22-1 | amd64,arm64,armel,armhf,i386,mips64el,mipsel,ppc64el,s390x |
sid | 1.24-2 | amd64,arm64,armel,armhf,i386,mips64el,ppc64el,riscv64,s390x |
trixie | 1.24-2 | amd64,arm64,armel,armhf,i386,mips64el,ppc64el,riscv64,s390x |
|
License: DFSG free
|
Data un'immagine osservata contenente una scacchiera o una griglia di
cerchi, mrgingham localizza la scacchiera nell'immagine e calcola in modo
preciso la posizione degli angoli della scacchiera (o i centri dei cerchi).
Ciò è simile alle procedure in OpenCV, ma è più veloce e robusto.
Questo pacchetto fornisce gli strumenti per l'utente.
|
|
octave-ga
codice per ottimizzazione genetica per Octave
|
Versions of package octave-ga |
Release | Version | Architectures |
buster | 0.10.0-6 | all |
jessie | 0.10.0-2 | all |
stretch | 0.10.0-2 | all |
bullseye | 0.10.2-1 | all |
bookworm | 0.10.3-2 | all |
trixie | 0.10.4-1 | all |
sid | 0.10.4-1 | all |
Debtags of package octave-ga: |
devel | lang:octave, library |
role | devel-lib |
|
License: DFSG free
|
Questo pacchetto fornisce funzioni per lavorare con algoritmi genetici in
Octave, un software di calcolo numerico. Fornisce la funzione ga(), che
funziona in modo simile ad altre funzioni di ottimizzazione in Octave.
Questo pacchetto di componenti aggiuntivi di Octave fa parte del progetto
Octave-Forge.
|
|
pgapack
??? missing short description for package pgapack :-(
|
Versions of package pgapack |
Release | Version | Architectures |
jessie | 1.1.1-3 | amd64,armel,armhf,i386 |
Debtags of package pgapack: |
field | mathematics |
|
License: DFSG free
|
|
|
python3-amp
Atomistic Machine-learning Package (python 3)
|
Versions of package python3-amp |
Release | Version | Architectures |
bullseye | 0.6.1-1 | amd64,arm64,armel,armhf,i386,mips64el,mipsel,ppc64el,s390x |
buster | 0.6.1-1 | amd64,arm64,armhf,i386 |
sid | 0.6.1-1 | amd64,arm64,armel,armhf,i386,mips64el,ppc64el,riscv64,s390x |
bookworm | 0.6.1-1 | amd64,arm64,armel,armhf,i386,mips64el,mipsel,ppc64el,s390x |
upstream | 4878fc892f2cbc5cd9f29f7a367d7b05bdeb6ee9 |
|
License: DFSG free
|
Amp is an open-source package designed to easily bring machine-learning to
atomistic calculations. This project is being developed at Brown University in
the School of Engineering, primarily by Andrew Peterson and Alireza Khorshidi,
and is released under the GNU General Public License. Amp allows for the
modular representation of the potential energy surface, allowing the user to
specify or create descriptor and regression methods.
Amp is designed to integrate closely with the Atomic Simulation Environment
(ASE). As such, the interface is in pure python, although several
compute-heavy parts of the underlying code also have fortran versions to
accelerate the calculations. The close integration with ASE means that any
calculator that works with ASE ─ including EMT, GPAW, DACAPO, VASP, NWChem,
and Gaussian ─ can easily be used as the parent method.
This package provides the python 3 modules.
|
|
python3-fann2
collegamenti Python 3 per FANN
|
Versions of package python3-fann2 |
Release | Version | Architectures |
buster | 1.1.2+ds-1 | amd64,arm64,armhf,i386 |
stretch | 1.0.7-6 | amd64,arm64,armel,armhf,i386,mips,mips64el,mipsel,ppc64el,s390x |
sid | 1.2.0+ds-4 | amd64,arm64,armel,armhf,i386,mips64el,ppc64el,riscv64,s390x |
trixie | 1.2.0+ds-4 | amd64,arm64,armel,armhf,i386,mips64el,ppc64el,riscv64,s390x |
bookworm | 1.2.0+ds-4 | amd64,arm64,armel,armhf,i386,mips64el,mipsel,ppc64el,s390x |
bullseye | 1.2.0+ds-2 | amd64,arm64,armel,armhf,i386,mips64el,mipsel,ppc64el,s390x |
|
License: DFSG free
|
La libreria FANN (Fast Artificial Neural Network, veloce rete neurale
artificiale) è una libreria per rete neurale libera e open source che
implementa reti neurali artificiali multilivello in C con la gestione sia
di reti completamente connesse sia di reti connesse in modo sparso.
Questo pacchetto contiene i collegamenti Python 3 per FANN.
|
|
python3-genetic
algoritmi genetici in Python
|
Versions of package python3-genetic |
Release | Version | Architectures |
bullseye | 0.1.1b+git20170527.98255cb-2 | all |
sid | 0.1.1b+git20170527.98255cb-4 | all |
bookworm | 0.1.1b+git20170527.98255cb-3 | all |
trixie | 0.1.1b+git20170527.98255cb-4 | all |
|
License: DFSG free
|
python3-genetic fornisce algoritmi genetici in Python 3, come usati spesso
nell'intelligenza artificiale. Dovrebbe essere in grado di risolvere
qualsiasi problema che consista nel minimizzare funzioni.
In questo pacchetto sono contenute alcune demo che usano Genetic,
incluso un programma impressionantemente semplice che fornisce una
soluzione per il rinomato TSP (Travelling Salesman Problem, problema
del commesso viaggiatore). Ci si assicuri di leggere
demo/genetic_demo_2.py per l'elenco dei geni "magici" speciali che
rendono Genetic veramente divertente e... vivo!
|
|
python3-keras
deep learning framework running on Theano or TensorFlow
|
Versions of package python3-keras |
Release | Version | Architectures |
buster | 2.2.4-1 | all |
bullseye | 2.3.1+dfsg-3 | all |
|
License: DFSG free
|
Keras is a Python library for machine learning based on deep (multi-
layered) artificial neural networks (DNN), which follows a minimalistic
and modular design with a focus on fast experimentation.
Features of DNNs like neural layers, cost functions, optimizers,
initialization schemes, activation functions and regularization schemes
are available in Keras a standalone modules which can be plugged together
as wanted to create sequence models or more complex architectures.
Keras supports convolutions neural networks (CNN, used for image
recognition resp. classification) and recurrent neural networks (RNN,
suitable for sequence analysis like in natural language processing).
It runs as an abstraction layer on the top of Theano (math expression
compiler) by default, which makes it possible to accelerate the computations
by using (GP)GPU devices. Alternatively, Keras could run on Google's
TensorFlow (not yet available in Debian).
|
|
python3-lasagne
libreria per apprendimento profondo costruita sopra a Theano (moduli Python 3)
|
Versions of package python3-lasagne |
Release | Version | Architectures |
buster | 0.1+git20181019.a61b76f-1 | all |
stretch | 0.1+git20160728.8b66737-2 | all |
|
License: DFSG free
|
Lasagne è una libreria Python per costruire e addestrare reti neurali
artificiali profonde (multi-livello) sopra a Theano (compilatore di
espressioni matematiche). In confronto ad altri livelli di astrazione come
ad esempio Keras, astrae Theano il meno possibile.
Lasagne gestisce reti come Convolutional Neural Network (CNN, usate
principalmente per il riconoscimento di immagini per classificarle) e il
tipo Long Short-Term Memory (LSTM, un sottotipo di Recurrent Neural
Network, RNN).
Questo pacchetto contiene i moduli per Python 3.
|
|
python3-mdp
toolkit modulare per elaborazione dei dati
|
Versions of package python3-mdp |
Release | Version | Architectures |
bookworm | 3.6-2 | amd64,arm64,mips64el,ppc64el |
stretch | 3.5-1 | all |
trixie | 3.6-8 | all |
sid | 3.6-8 | all |
jessie | 3.3-2 | all |
bullseye | 3.6-1.1 | all |
|
License: DFSG free
|
Infrastruttura Python per elaborazione di dati per creare software per
complesse elaborazioni di dati combinando in pipe e reti algoritmi
largamente usati di apprendimento macchina. Gli algoritmi implementati
includono: PCA (Principal Component Analysis), ICA (Independent Component
Analysis), SFA (Slow Feature Analysis), ISFA (Independent Slow Feature
Analysis), GNG (Growing Neural Gas), analisi fattoriale, FDA (Fisher
Discriminant Analysis) e classificatori gaussiani.
|
|
python3-mlpy
pacchetto Python ad alte prestazioni per modellazione predittiva
|
Versions of package python3-mlpy |
Release | Version | Architectures |
bullseye | 3.5.0+ds-1.2 | all |
bookworm | 3.5.0+ds-2 | all |
sid | 3.5.0+ds-3 | all |
|
License: DFSG free
|
mlpy fornisce procedure di alto livello che gestiscono, con poche righe di
codice, la progettazione di DAP (Data Analysis Protocol) per la
preelaborazione, il clustering, la classificazione predittiva e la
selezione di variabili. Sono disponibili dei metodi per ordinare variabili
ed assegnarvi pesi, per il ricampionamento di dati, la valutazione degli
errori e il landscaping di esperimenti.
mlpy include: SVM (Support Vector Machine), KNN (K Nearest Neighbor), FDA,
SRDA, PDA, DLDA (Fisher, Spectral Regression, Penalized, Diagonal Linear
Discriminant Analysis) per la classificazione e l'assegnazione di pesi alle
variabili, I-RELIEF, DWT e FSSun per l'assegnazione di pesi alle
variabili, RFE (Recursive Feature Elimination) e RFS (Recursive
Forward Selection) per ordinare le variabili, DWT, UWT,
CWT (Discrete, Undecimated, Continuous Wavelet Transform), attribuzione
KNN, DTW (Dynamic Time Warping), clustering gerarchici, k-medoid, metodi di
ricampionamento, funzioni metriche, indicatori Canberra.
|
|
python3-opencv
collegamenti Python 3 per la libreria per visione artificiale
|
Versions of package python3-opencv |
Release | Version | Architectures |
bookworm | 4.6.0+dfsg-12 | amd64,arm64,armel,armhf,i386,mips64el,mipsel,ppc64el,s390x |
buster | 3.2.0+dfsg-6 | amd64,arm64,armhf,i386 |
bullseye | 4.5.1+dfsg-5 | amd64,arm64,armel,armhf,i386,mips64el,mipsel,ppc64el,s390x |
trixie | 4.6.0+dfsg-14 | amd64,arm64,armel,armhf,i386,mips64el,ppc64el,riscv64,s390x |
sid | 4.6.0+dfsg-14 | amd64,arm64,armel,armhf,i386,mips64el,ppc64el,riscv64,s390x |
upstream | 4.10.0 |
|
License: DFSG free
|
Questo pacchetto contiene i collegamenti Python 3 per la libreria OpenCV
(Open Computer Vision).
La libreria Open Computer Vision è una raccolta di algoritmi e codice
d'esempio per vari problemi relativi alla visione artificiale. La libreria
è compatibile con IPL (Image Processing Library di Intel) e, se
disponibile, può usare IPP (Integrated Performance Primitives di Intel) per
ottenere prestazioni migliori.
OpenCV fornisce tipi di dati e operatori portabili di basso livello e un
insieme di funzionalità di alto livello per l'acquisizione video,
l'elaborazione e l'analisi di immagini, analisi strutturale, analisi del
movimento e inseguimento di oggetti, riconoscimento di oggetti,
calibrazione di videocamere e ricostruzione 3D.
Please cite:
Gary Bradski and Adrian Kaehler:
Learning OpenCV: Computer Vision with the OpenCV Library
(2008)
|
|
python3-sklearn
moduli Python per l'apprendimento automatico e il data mining - Python 3
|
Versions of package python3-sklearn |
Release | Version | Architectures |
stretch | 0.18-5 | all |
buster | 0.20.2+dfsg-6 | all |
bullseye | 0.23.2-5 | all |
bookworm | 1.2.1+dfsg-1 | all |
trixie | 1.4.2+dfsg-7 | all |
sid | 1.4.2+dfsg-7 | all |
upstream | 1.6.0 |
|
License: DFSG free
|
scikit-learn è una raccolta di moduli Python relativi ad apprendimento
automatico/statistico e data mining. Una lista non esaustiva di
funzionalità incluse:
- modelli misti gaussiani,
- apprendimento tramite varietà,
- kNN,
- SVM (tramite LIBSVM).
Questo pacchetto contiene la versione per Python 3.
|
|
python3-statsmodels
modulo Python 3 per la stima di modelli statistici
|
Versions of package python3-statsmodels |
Release | Version | Architectures |
buster | 0.8.0-9 | all |
stretch-backports | 0.8.0-9~bpo9+1 | all |
bullseye | 0.12.2-1 | all |
sid | 0.14.4+dfsg-1 | all |
bookworm | 0.13.5+dfsg-7 | all |
trixie | 0.14.4+dfsg-1 | all |
|
License: DFSG free
|
Il modulo Python 3 statsmodels fornisce classi e funzioni per la stima di
diverse categorie di modelli statistici. Tra questi attualmente sono
inclusi: modelli di regressione lineare, OLS, GLS, WLS e GLS con errori
AR(p), modelli lineari generalizzati per diverse famiglie di distribuzione
ed M stimatori per modelli lineari robusti. È disponibile un'ampia lista di
statistiche dei risultati per ciascun problema di stima.
Please cite:
Skipper Seabold and Josef Perktold:
Statsmodels: Econometric and statistical modeling with python
(eprint)
(2010)
|
|
python3-thinc
Practical Machine Learning for NLP in Python
|
Versions of package python3-thinc |
Release | Version | Architectures |
bookworm | 8.1.7-1 | amd64,arm64,armhf,i386,mips64el,s390x |
sid | 9.0.0-2 | amd64,arm64,armhf,i386,mips64el,riscv64,s390x |
buster | 6.12.1-1 | amd64,arm64,armhf,i386 |
|
License: DFSG free
|
Thinc is the machine learning library powering spaCy https://spacy.io.
It features a battle-tested linear model designed for large sparse
learning problems, and a flexible neural network model under development
for spaCy v2.0 https://spacy.io/usage/v2.
Thinc is a practical toolkit for implementing models that follow the
"Embed, encode, attend, predict" architecture. It's designed to be easy
to install, efficient for CPU usage and optimised for NLP and deep
learning with text – in particular, hierarchically structured input
and variable-length sequences.
|
|
python3-torch
Tensors and Dynamic neural networks in Python (Python Interface)
|
Versions of package python3-torch |
Release | Version | Architectures |
bookworm | 1.13.1+dfsg-4 | amd64,arm64,ppc64el,s390x |
bullseye | 1.7.1-7 | amd64,arm64,armhf,ppc64el,s390x |
sid | 2.5.1+dfsg-1 | amd64,arm64,ppc64el,riscv64,s390x |
|
License: DFSG free
|
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 CPU-only version of PyTorch (Python interface).
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-sparse
PyTorch Extension Library of Optimized Autograd Sparse Matrix Operations
|
Versions of package python3-torch-sparse |
Release | Version | Architectures |
sid | 0.6.18-2 | amd64,arm64,ppc64el,riscv64,s390x |
|
License: DFSG free
|
This package consists of a small extension library of optimized sparse matrix
operations with autograd support.
This package installs the library for Python 3.
|
|
python3-vigra
collegamento Python 3 per la libreria C++ di visione artificiale
|
Versions of package python3-vigra |
Release | Version | Architectures |
bullseye | 1.11.1+dfsg-8 | amd64,arm64,armel,armhf,i386,mips64el,mipsel,ppc64el,s390x |
bookworm | 1.11.1+dfsg-11 | amd64,arm64,armel,armhf,i386,mips64el,mipsel,ppc64el,s390x |
trixie | 1.12.1+dfsg-1 | amd64,arm64,armel,armhf,i386,mips64el,ppc64el,riscv64,s390x |
sid | 1.12.1+dfsg-1 | amd64,arm64,armel,armhf,i386,mips64el,ppc64el,riscv64,s390x |
|
License: DFSG free
|
VIGRA (Vision with Generic Algorithms, visione con algoritmi generici) è
una libreria per visione artificiale che pone particolare attenzione sugli
algoritmi flessibili, perché gli algoritmi rappresentano la principale
conoscenza pratica in questo campo. La libreria è stata di conseguenza
creata usando programmazione generica come introdotta da Stepanov e Musser
ed esemplificata nella Standard Template Library C++. Mediante la scrittura
di pochi adattatori (iteratori e metodo di accesso per immagini) è
possibile usare gli algoritmi di VIGRA nelle proprie strutture dati,
all'interno del proprio ambiente.
Questo pacchetto esporta la funzionalità della libreria VIGRA in Python 3.
|
|
r-cran-amore
GNU R: un pacchetto per reti neurali più flessibile
|
Versions of package r-cran-amore |
Release | Version | Architectures |
bullseye | 0.2-16-1 | amd64,arm64,armel,armhf,i386,mips64el,mipsel,ppc64el,s390x |
stretch | 0.2-15-1 | amd64,arm64,armel,armhf,i386,mips,mips64el,mipsel,ppc64el,s390x |
jessie | 0.2-15-1 | amd64,armel,armhf,i386 |
sid | 0.2-16-2 | amd64,arm64,armel,armhf,i386,mips64el,ppc64el,riscv64,s390x |
trixie | 0.2-16-2 | amd64,arm64,armel,armhf,i386,mips64el,ppc64el,riscv64,s390x |
buster | 0.2-15-3 | amd64,arm64,armhf,i386 |
bookworm | 0.2-16-2 | amd64,arm64,armel,armhf,i386,mips64el,mipsel,ppc64el,s390x |
|
License: DFSG free
|
Questo pacchetto è nato per fornire agli utenti R il robusto algoritmo TAO
per reti neurali. È cresciuto e può essere interessante per gli utenti che
vogliono implementare il proprio algoritmo di addestramento o per quelli le
cui esigenze risiedono solamente nello "spazio utente".
|
|
r-cran-bayesm
pacchetto GNU R per inferenza bayesiana
|
Versions of package r-cran-bayesm |
Release | Version | Architectures |
trixie | 3.1-6+dfsg-1 | amd64,arm64,armel,armhf,i386,mips64el,ppc64el,riscv64,s390x |
bullseye | 3.1-4+dfsg-1 | amd64,arm64,armel,armhf,i386,mips64el,mipsel,ppc64el,s390x |
buster | 3.1-1-1 | amd64,arm64,armhf,i386 |
jessie | 2.2-5-1 | amd64,armel,armhf,i386 |
sid | 3.1-6+dfsg-1 | amd64,arm64,armel,armhf,i386,mips64el,ppc64el,riscv64,s390x |
stretch | 3.0-2-2 | amd64,arm64,armel,armhf,i386,mips,mips64el,mipsel,ppc64el,s390x |
bookworm | 3.1-5+dfsg-1 | amd64,arm64,armel,armhf,i386,mips64el,mipsel,ppc64el,s390x |
Debtags of package r-cran-bayesm: |
field | mathematics, statistics |
suite | gnu |
|
License: DFSG free
|
Il pacchetto bayesm copre molti modelli importanti usati in applicazioni
di marketing e micro-econometria. Il pacchetto include:
- regressione bayesiana (variabili dipendenti mono- o multi-variate);
- logit multinomiale (MNL) e probit multinomiale (MNP);
- probit multivariato;
- misture multivariate di normali;
- modelli lineari gerarchici con probabilità a priori e covariate normali;
- logit multinomiale gerarchico con misture di normali come probabilità a
priori e covariate;
- analisi bayesiana di dati per l'analisi congiunta basata sulla scelta;
- trattamento bayesiano di modelli di variabili strumentali lineari;
- analisi di dati ordinali multivariati di sondaggi con scale di valori
eterogenee (come in Rossi et al, JASA (01)).
Per riferimenti ulteriori, consultare il libro "Bayesian Statistics and
Marketing" degli autori: Allenby, McCulloch e Rossi.
|
|
r-cran-class
pacchetto GNU R per classificazione
|
Versions of package r-cran-class |
Release | Version | Architectures |
buster | 7.3-15-1 | amd64,arm64,armhf,i386 |
bullseye | 7.3-18-1 | amd64,arm64,armel,armhf,i386,mips64el,mipsel,ppc64el,s390x |
bookworm | 7.3-21-1 | amd64,arm64,armel,armhf,i386,mips64el,mipsel,ppc64el,s390x |
jessie | 7.3-11-1 | amd64,armel,armhf,i386 |
trixie | 7.3-22-2 | amd64,arm64,armel,armhf,i386,mips64el,ppc64el,riscv64,s390x |
stretch | 7.3-14-1 | amd64,arm64,armel,armhf,i386,mips,mips64el,mipsel,ppc64el,s390x |
sid | 7.3-22-2 | amd64,arm64,armel,armhf,i386,mips64el,ppc64el,riscv64,s390x |
Debtags of package r-cran-class: |
devel | lang:r |
role | shared-lib |
science | calculation, modelling |
use | analysing |
|
License: DFSG free
|
Il pacchetto class fornisce funzioni e insiemi di dati per gestire il
capitolo 12 sulle "classificazioni" del libro "Modern Applied Statistics
with S" (quarta edizione) di W.N. Venables e B.D. Ripley. Il seguente URL
fornisce più dettagli su questo libro: http://www.stats.ox.ac.uk/pub/MASS4
|
|
r-cran-cluster
pacchetto GNU R per analisi di cluster di Rousseeuw et al.
|
Versions of package r-cran-cluster |
Release | Version | Architectures |
jessie | 1.15.3-1 | amd64,armel,armhf,i386 |
sid | 2.1.7-1 | amd64,arm64,armel,armhf,i386,mips64el,ppc64el,riscv64,s390x |
trixie | 2.1.6-1 | amd64,arm64,armel,armhf,i386,mips64el,ppc64el,riscv64,s390x |
bookworm | 2.1.4-1 | amd64,arm64,armel,armhf,i386,mips64el,mipsel,ppc64el,s390x |
bullseye | 2.1.1-1 | amd64,arm64,armel,armhf,i386,mips64el,mipsel,ppc64el,s390x |
stretch | 2.0.5-1 | amd64,arm64,armel,armhf,i386,mips,mips64el,mipsel,ppc64el,s390x |
buster | 2.0.7-1-1 | amd64,arm64,armhf,i386 |
Debtags of package r-cran-cluster: |
devel | lang:r, library |
field | statistics |
role | app-data |
suite | gnu |
|
License: DFSG free
|
Questo pacchetto fornisce funzioni e insiemi di dati per l'analisi di
cluster, originariamente scritti da Peter Rousseeuw, Anja Struyf e Mia Hubert.
Questo pacchetto fa parte dell'insieme di pacchetti "raccomandati" da R
Core e forniti con i rilasci originali dei sorgenti di R stesso.
|
|
r-cran-gbm
GNU R package providing Generalized Boosted Regression Models
|
Versions of package r-cran-gbm |
Release | Version | Architectures |
stretch | 2.1.1-1 | amd64,arm64,armel,armhf,i386,mips,mips64el,mipsel,ppc64el,s390x |
jessie | 2.1-1 | amd64,armel,armhf,i386 |
buster | 2.1.5-1 | amd64,arm64,armhf,i386 |
sid | 2.2.2-1 | amd64,arm64,armel,armhf,i386,mips64el,ppc64el,riscv64,s390x |
bookworm | 2.1.8.1-1 | amd64,arm64,armel,armhf,i386,mips64el,mipsel,ppc64el,s390x |
bullseye | 2.1.8-1 | amd64,arm64,armel,armhf,i386,mips64el,mipsel,ppc64el,s390x |
|
License: DFSG free
|
This package implements extensions to Freund and Schapire's AdaBoost algorithm
and Friedman's gradient boosting machine. Includes regression methods for least
squares, absolute loss, t-distribution loss, quantile regression, logistic,
multinomial logistic, Poisson, Cox proportional hazards partial likelihood,
AdaBoost exponential loss, Huberized hinge loss, and Learning to Rank measures
(LambdaMart).
|
|
r-cran-mass
pacchetto GNU R per MASS di Venables e Ripley
|
Versions of package r-cran-mass |
Release | Version | Architectures |
jessie | 7.3-34-1 | amd64,armel,armhf,i386 |
trixie | 7.3-61-1 | amd64,arm64,armel,armhf,i386,mips64el,ppc64el,riscv64,s390x |
sid | 7.3-61-1 | amd64,arm64,armel,armhf,i386,mips64el,ppc64el,riscv64,s390x |
stretch | 7.3-45-1 | amd64,arm64,armel,armhf,i386,mips,mips64el,mipsel,ppc64el,s390x |
buster | 7.3-51.1-1 | amd64,arm64,armhf,i386 |
bookworm | 7.3-58.2-1 | amd64,arm64,armel,armhf,i386,mips64el,mipsel,ppc64el,s390x |
bullseye | 7.3-53.1-1 | amd64,arm64,armel,armhf,i386,mips64el,mipsel,ppc64el,s390x |
Debtags of package r-cran-mass: |
devel | lang:r |
field | statistics |
suite | gnu |
|
License: DFSG free
|
Il pacchetto MASS fornisce funzioni e insiemi di dati per gestire quanto
illustrato nel libro "Modern Applied Statistics with S" (4° edizione) di
W.N. Venables e B.D. Ripley. L'URL seguente fornisce ulteriori dettagli sul
libro:
URL: http://www.stats.ox.ac.uk/pub/MASS4
The package is enhanced by the following packages:
r-cran-pscl
|
|
r-cran-mcmcpack
funzioni R per stima di modelli con catene di Markov Monte Carlo
|
Versions of package r-cran-mcmcpack |
Release | Version | Architectures |
buster | 1.4-4-1 | amd64,arm64,armhf,i386 |
jessie | 1.3-3-1 | amd64,armel,armhf,i386 |
trixie | 1.7-0-1 | amd64,arm64,armel,armhf,i386,mips64el,ppc64el,riscv64,s390x |
sid | 1.7-0-1 | amd64,arm64,armel,armhf,i386,mips64el,ppc64el,riscv64,s390x |
stretch | 1.3-8-1 | amd64,arm64,armel,armhf,i386,mips,mips64el,mipsel,ppc64el,s390x |
bullseye | 1.5-0-1 | amd64,arm64,armel,armhf,i386,mips64el,mipsel,ppc64el,s390x |
bookworm | 1.6-3-1 | amd64,arm64,armel,armhf,i386,mips64el,mipsel,ppc64el,s390x |
upstream | 1.7-1 |
Debtags of package r-cran-mcmcpack: |
devel | lang:r, library |
field | statistics |
role | app-data |
suite | gnu |
|
License: DFSG free
|
Questo è un insieme di funzioni per GNU R che implementa vari modelli
statistici ed econometrici usando le stime delle catene di Markov Monte
Carlo (MCMC) che permettono di "risolvere" modelli che altrimenti non
sarebbero trattabili con altre tecniche tradizionali, in particolare i
problemi di statistica bayesiana (dove una o più probabilità a priori sono
usate come parte della procedura di stima, invece di assumere l'ignoranza
rispetto alle stime dei punti "reali"), benché il metodo MCMC può anche
essere usato per risolvere problemi di statistica di frequenze con
probabilità a priori non informative. Le tecniche MCMC sono preferibili
anche rispetto alle stime dirette quando ci sono dati mancanti.
Attualmente sono implementati diverse funzioni di inferenza ecologica (EI)
(per stimare attributi o comportamenti a livello di individuo a partire da
dati aggregati, come risultati elettorali o di censimenti), così come
modelli per panel lineari tradizionali e dati da campioni trasversali,
alcune funzionalità di visualizzazione per diagnostica di EI, modelli di
teoria di risposta agli item a due item (o stima di punto ideale), analisi
fattoriale a risposta metrica, ordinale e mista e modelli per regressione
gaussiana (lineare) e di Poisson, regressione logistica (o logit) e modelli
probit a risposta ordinale e binaria.
I pacchetti suggeriti (r-cran-bayesm, -eco e -mnp) contengono modelli
aggiuntivi che possono anch'essi essere utili per coloro che sono
interessati a questo pacchetto.
|
|
r-cran-metrics
GNU R evaluation metrics for machine learning
|
Versions of package r-cran-metrics |
Release | Version | Architectures |
bullseye | 0.1.4-2 | all |
buster | 0.1.4-1 | all |
sid | 0.1.4-2 | all |
trixie | 0.1.4-2 | all |
bookworm | 0.1.4-2 | all |
|
License: DFSG free
|
An implementation of evaluation metrics in R that are commonly
used in supervised machine learning. It implements metrics for
regression, time series, binary classification, classification,
and information retrieval problems. It has zero dependencies and
a consistent, simple interface for all functions.
|
|
r-cran-mlbench
problemi per benchmark di apprendimento macchina per GNU R
|
Versions of package r-cran-mlbench |
Release | Version | Architectures |
bookworm | 2.1-3-1 | amd64,arm64,armel,armhf,i386,mips64el,mipsel,ppc64el,s390x |
bullseye | 2.1-3-1 | amd64,arm64,armel,armhf,i386,mips64el,mipsel,ppc64el,s390x |
buster | 2.1-1-3 | amd64,arm64,armhf,i386 |
stretch | 2.1-1-1 | amd64,arm64,armel,armhf,i386,mips,mips64el,mipsel,ppc64el,s390x |
sid | 2.1-5-1 | amd64,arm64,armel,armhf,i386,mips64el,ppc64el,riscv64,s390x |
trixie | 2.1-5-1 | amd64,arm64,armel,armhf,i386,mips64el,ppc64el,riscv64,s390x |
|
License: DFSG free
|
Questo pacchetto per GNU R fornisce una raccolta di problemi artificiali e
reali per il benchmark dell'apprendimento macchina, inclusi, ad esempio,
diversi insiemi di dati dal repository UCI.
|
|
r-cran-mlr
Machine learning in GNU R
|
Versions of package r-cran-mlr |
Release | Version | Architectures |
bookworm | 2.19.1+dfsg-1 | amd64,arm64,armel,armhf,i386,mips64el,mipsel,ppc64el,s390x |
bullseye | 2.18.0+dfsg-1 | amd64,arm64,armel,armhf,i386,mips64el,mipsel,ppc64el,s390x |
buster | 2.13-1 | amd64,arm64,armhf,i386 |
stretch-backports | 2.13-1~bpo9+1 | amd64 |
sid | 2.19.1+dfsg-1 | amd64,arm64,armel,armhf,i386,mips64el,ppc64el,riscv64,s390x |
trixie | 2.19.1+dfsg-1 | amd64,arm64,armel,armhf,i386,mips64el,ppc64el,riscv64,s390x |
upstream | 2.19.2 |
|
License: DFSG free
|
Interface to a large number of classification and regression
techniques, including machine-readable parameter descriptions. There is
also an experimental extension for survival analysis, clustering and
general, example-specific cost-sensitive learning. Generic resampling,
including cross-validation, bootstrapping and subsampling. Hyperparameter
tuning with modern optimization techniques, for single- and multi-objective
problems. Filter and wrapper methods for feature selection. Extension of
basic learners with additional operations common in machine learning, also
allowing for easy nested resampling. Most operations can be parallelized.
|
|
r-cran-mnp
pacchetto GNU R per fit di modelli MNP (multinomial probit)
|
Versions of package r-cran-mnp |
Release | Version | Architectures |
bookworm | 3.1-3-1 | amd64,arm64,armel,armhf,i386,mips64el,mipsel,ppc64el,s390x |
trixie | 3.1-4-1 | amd64,arm64,armel,armhf,i386,mips64el,ppc64el,riscv64,s390x |
bullseye | 3.1-1-1 | amd64,arm64,armel,armhf,i386,mips64el,mipsel,ppc64el,s390x |
buster | 3.1-0-2 | amd64,arm64,armhf,i386 |
stretch | 2.6-4-1 | amd64,arm64,armel,armhf,i386,mips,mips64el,mipsel,ppc64el,s390x |
jessie | 2.6-4-1 | amd64,armel,armhf,i386 |
sid | 3.1-4-1 | amd64,arm64,armel,armhf,i386,mips64el,ppc64el,riscv64,s390x |
upstream | 3.1-5 |
Debtags of package r-cran-mnp: |
devel | lang:r, library |
field | statistics |
role | app-data |
suite | gnu |
|
License: DFSG free
|
MNP è un pacchetto R che fa il fit di modelli bayesiani MNP (multinomial
probit) con metodo Monte Carlo per catene di Markov (MCMC). Insieme al
modello standard multinomial probit, può anche fare il fit di modelli con
diversi insiemi di scelte per ciascuna osservazione e ordinamento completo
* parziale di tutte le alternative disponibili. La stima è basata
sull'algoritmo efficiente per data augmentation dei dati marginali
sviluppato da Imai e van Dyk (2004).
|
|
r-cran-msm
modelli multistato di Markov e di Markov nascosti in tempo continuo per GNU R
|
Versions of package r-cran-msm |
Release | Version | Architectures |
buster | 1.6.6-2 | amd64,arm64,armhf,i386 |
bookworm | 1.7-1 | amd64,arm64,armel,armhf,i386,mips64el,mipsel,ppc64el,s390x |
jessie | 1.4-2 | amd64,armel,armhf,i386 |
stretch | 1.6.4-1 | amd64,arm64,armel,armhf,i386,mips,mips64el,mipsel,ppc64el,s390x |
bullseye | 1.6.8-1 | amd64,arm64,armel,armhf,i386,mips64el,mipsel,ppc64el,s390x |
sid | 1.8-1 | amd64,arm64,armel,armhf,i386,mips64el,ppc64el,riscv64,s390x |
trixie | 1.8-1 | amd64,arm64,armel,armhf,i386,mips64el,ppc64el,riscv64,s390x |
upstream | 1.8.2 |
Debtags of package r-cran-msm: |
interface | commandline |
role | program |
|
License: DFSG free
|
Funzioni per il fitting di modelli generici multi-stato di Markov e di
Markov nascosti in tempo continuo a dati longitudinali. Sia le probabilità
di transizione tra gli stati markoviani sia il processo di output del
modello di Markov nascosto possono essere modellati in termini di
covariate. Sono gestiti svariati schemi di osservazione, inclusi processi
osservati ad intervalli arbitrari, processi osservati completamente e stati
censurati.
|
|
r-cran-tgp
modelli bayesiani di processi gaussiani ad albero per GNU R
|
Versions of package r-cran-tgp |
Release | Version | Architectures |
trixie | 2.4-23-1 | amd64,arm64,armel,armhf,i386,mips64el,ppc64el,riscv64,s390x |
jessie | 2.4-9-1 | amd64,armel,armhf,i386 |
stretch | 2.4-14-2 | amd64,arm64,armel,armhf,i386,mips,mips64el,mipsel,ppc64el,s390x |
buster | 2.4-14-4 | amd64,arm64,armhf,i386 |
bullseye | 2.4-17-1 | amd64,arm64,armel,armhf,i386,mips64el,mipsel,ppc64el,s390x |
bookworm | 2.4-21-1 | amd64,arm64,armel,armhf,i386,mips64el,mipsel,ppc64el,s390x |
sid | 2.4-23-1 | amd64,arm64,armel,armhf,i386,mips64el,ppc64el,riscv64,s390x |
|
License: DFSG free
|
Regressione e disegni sperimentali bayesiani non stazionari,
semiparametrici non lineari con processi gaussiani (GP) con salti a LLM
(Limiting Linear Model). I casi speciali implementati includono anche i
modelli lineari bayesiani, CART, modelli lineari ad albero, GP stazionari
separabili e isotropici e modelli GP a indice singolo. Fornisce funzioni di
tracciamento grafi a 1 e 2 dimensioni (con capacità di proiezione e
suddivisione) e disegno di albero, progettati per la visualizzazione
dell'output di tgp-class. Sono gestiti modelli di analisi della sensibilità
e modelli multi-risoluzione. Sono fornite anche funzioni per disegno
sperimentale sequenziale e campionamento adattivo, inclusi ALM, ALC e
miglioramento atteso. Quest'ultimo gestisce ottimizzazioni senza derivate
di funzioni black-box con rumore.
|
|
root-system
??? missing short description for package root-system :-(
|
Versions of package root-system |
Release | Version | Architectures |
jessie | 5.34.19+dfsg-1.2 | all |
Debtags of package root-system: |
field | physics |
|
License: DFSG free
|
|
|
scilab-ann
??? missing short description for package scilab-ann :-(
|
Versions of package scilab-ann |
Release | Version | Architectures |
jessie | 0.4.2.4-1 | all |
stretch | 0.4.2.4-1 | all |
Debtags of package scilab-ann: |
devel | library |
role | devel-lib, shared-lib |
|
License: DFSG free
|
|
|
torch-core-free
Scientific Computing Framework For Luajit (Core Components)
|
Versions of package torch-core-free |
Release | Version | Architectures |
buster | 20171127 | amd64,armhf |
|
License: DFSG free
|
Torch is a scientific computing framework with wide support for machine
learning algorithms that puts GPUs first. It is easy to use and efficient,
thanks to an easy and fast scripting language, LuaJIT, and an underlying
C/CUDA implementation.
A summary of core features:
- a powerful N-dimensional array
- lots of routines for indexing, slicing, transposing, ...
- amazing interface to C, via LuaJIT
- linear algebra routines
- neural network, and energy-based models
- numeric optimization routines
- Fast and efficient GPU support
- Embeddable, with ports to iOS, Android and FPGA backends
The goal of Torch is to have maximum flexibility and speed in building
your scientific algorithms while making the process extremely simple.
Torch comes with a large ecosystem of community-driven packages in
machine learning, computer vision, signal processing, parallel
processing, image, video, audio and networking among others, and
builds on top of the Lua community.
At the heart of Torch are the popular neural network and optimization
libraries which are simple to use, while having maximum flexibility
in implementing complex neural network topologies. You can build
arbitrary graphs of neural networks, and parallelize them over CPUs
and GPUs in an efficient manner.
This package is a metapackage, which pulls the following core and free
modules for you: cwrap, paths, sys, xlua, torch7, nn, graph, nngraph,
optim, sundown, dok, trepl, image.
Note that cutorch (CUDA backend for torch) and cunn (CUDA backend for
neural network) are not present in this metapacakge - they will be
shipped in the torch-core-contrib metapackage in the future.
|
|
toulbar2
ottimizzazione combinatoriale esatta per modelli grafici
|
Versions of package toulbar2 |
Release | Version | Architectures |
sid | 1.2.1+dfsg-0.1 | amd64,arm64,armel,armhf,i386,mips64el,ppc64el,riscv64,s390x |
bullseye | 1.1.1+dfsg-1 | amd64,arm64,armel,armhf,i386,mips64el,mipsel,ppc64el,s390x |
buster | 1.0.0+dfsg3-2 | amd64,arm64,armhf,i386 |
bookworm | 1.1.1+dfsg-1 | amd64,arm64,armel,armhf,i386,mips64el,mipsel,ppc64el,s390x |
|
License: DFSG free
|
Toulbar2 è uno strumento per ottimizzazione discreta esatta per modelli
grafici come reti di funzioni di costo, campi casuali di Markov, problemi
di soddisfazione di vincoli pesati e reti bayesiane.
|
|
vowpal-wabbit
??? missing short description for package vowpal-wabbit :-(
|
Versions of package vowpal-wabbit |
Release | Version | Architectures |
jessie | 7.3-1.1 | amd64,armel,armhf,i386 |
Debtags of package vowpal-wabbit: |
interface | commandline |
role | program |
scope | utility |
|
License: DFSG free
|
|
|
weka
algoritmi di apprendimento automatico per lavori di data mining
|
Versions of package weka |
Release | Version | Architectures |
jessie | 3.6.11-1 | all |
stretch | 3.6.14-1 | all |
buster | 3.6.14-1 | all |
bullseye | 3.6.14-2 | all |
bookworm | 3.6.14-3 | all |
trixie | 3.6.14-4 | all |
sid | 3.6.14-4 | all |
upstream | 3.8.6 |
Debtags of package weka: |
field | statistics |
interface | commandline, x11 |
role | program |
science | calculation |
scope | utility |
use | analysing, calculating |
works-with | db, text |
x11 | application |
|
License: DFSG free
|
Weka è una collezione di algoritmi di apprendimento automatico (machine
learning) scritto in Java che può essere usato sia dalla riga di comando
sia dal proprio codice Java. Weka è ideale per lo sviluppo di nuovi schemi
di apprendimento automatico.
Gli schemi implementati comprendono alberi di decisione indotti, regole di
apprendimento, modelli generatori di alberi, support vector machines,
regressioni localmente pesate, apprendimento basato sulle istanze, bagging,
boosting e stacking. Include inoltre metodi di clustering e uno strumento
di apprendimento di regole associative. Oltre agli schemi di apprendimento
veri e propri, Weka contiene una grande varietà di strumenti che possono
essere utilizzati per pre-processare insiemi di dati.
Questo pacchetto contiene i binari e gli esempi.
|
|
yap
??? missing short description for package yap :-(
|
Versions of package yap |
Release | Version | Architectures |
stretch | 6.2.2-6 | amd64,arm64,armel,armhf,i386 |
jessie | 6.2.2-2 | amd64,armel,armhf,i386 |
Debtags of package yap: |
devel | compiler, interpreter, lang:prolog |
role | program |
|
License: DFSG free
|
|
|
Official Debian packages with lower relevance
ask
kit per campionamento adattivo per spazi sperimentali grandi
|
Versions of package ask |
Release | Version | Architectures |
stretch | 1.1.1-1 | all |
jessie | 1.0.1-2 | all |
buster | 1.1.1-3 | all |
|
License: DFSG free
|
ASK (Adaptive Sampling Kit) è un toolkit per campionare grandi spazi
sperimentali. Quando lo spazio è piccolo, la risposta può essere misurata
per ogni punto nello spazio. Quando lo spazio è grande, fare una
misurazione esaustiva non è possibile in termine di tempi di esecuzione o
semplicemente non è pratico. ASK cerca di trovare buone approssimazioni
della risposta campionando solo una piccola frazione dello spazio. ASK ha
diversi algoritmi con apprendimento attivo per dare priorità
all'esplorazione delle parti interessanti dello spazio sperimentale.
|
|
libdlib-dev
C++ toolkit for machine learning and computer vision - development
|
Versions of package libdlib-dev |
Release | Version | Architectures |
stretch | 18.18-2 | amd64,arm64,armel,armhf,i386,mips,mips64el,mipsel,ppc64el,s390x |
bullseye | 19.10-3.1 | amd64,arm64,armel,armhf,i386,mips64el,mipsel,ppc64el,s390x |
buster | 19.10-3 | amd64,arm64,armhf,i386 |
bookworm | 19.24+dfsg-1 | amd64,arm64,armel,armhf,i386,mips64el,mipsel,ppc64el,s390x |
trixie | 19.24.6+dfsg-1 | amd64,arm64,armel,armhf,i386,mips64el,ppc64el,riscv64,s390x |
sid | 19.24.6+dfsg-1 | amd64,arm64,armel,armhf,i386,mips64el,ppc64el,riscv64,s390x |
|
License: DFSG free
|
Dlib is a general purpose cross-platform open source software library written
in the C++ programming language. It now contains software components for
dealing with networking, threads, graphical interfaces, complex data
structures, linear algebra, statistical machine learning, image processing,
data mining, XML and text parsing, numerical optimization, Bayesian networks,
and numerous other tasks.
This package contains the development headers.
|
|
libdlpack-dev
Open In Memory Tensor Structure
|
Versions of package libdlpack-dev |
Release | Version | Architectures |
bullseye | 0.0~git20200217.3ec0443-2 | amd64,arm64,armel,armhf,i386,mips64el,mipsel,ppc64el,s390x |
trixie | 1.0-1 | amd64,arm64,armel,armhf,i386,mips64el,ppc64el,riscv64,s390x |
bookworm | 0.6-1 | amd64,arm64,armel,armhf,i386,mips64el,mipsel,ppc64el,s390x |
sid | 1.0-1 | amd64,arm64,armel,armhf,i386,mips64el,ppc64el,riscv64,s390x |
upstream | 1.0rc |
|
License: DFSG free
|
DLPack is an open in-memory tensor structure to for sharing tensor among
frameworks. DLPack enables
- Easier sharing of operators between deep learning frameworks.
- Easier wrapping of vendor level operator implementations, allowing
collaboration when introducing new devices/ops.
- Quick swapping of backend implementations, like different version of BLAS
- For final users, this could bring more operators, and possibility of mixing
usage between frameworks.
DLPack do not intend to implement of Tensor and Ops, but instead use this as
common bridge to reuse tensor and ops across frameworks.
|
|
libfannj-java
FannJ a Java binding to the Fast Artificial Neural Network (FANN) C library
|
Versions of package libfannj-java |
Release | Version | Architectures |
bookworm | 0.7-1 | all |
buster | 0.3-2 | all |
stretch | 0.3-1 | all |
jessie | 0.3-1 | all |
bullseye | 0.3-2 | all |
trixie | 0.7-1 | all |
sid | 0.7-1 | all |
|
License: DFSG free
|
Use FannJ if you have an existing ANN from the FANN project (libfann2) that you
would like to access from Java. There are several GUI tools that will
help you create and train an ANN.
|
|
libfclib-dev
read and write problems from the Friction Contact Library (headers)
|
Versions of package libfclib-dev |
Release | Version | Architectures |
buster | 3.0.0+dfsg-2 | amd64,arm64,armhf,i386 |
bookworm | 3.1.0+dfsg-2 | amd64,arm64,armel,armhf,i386,mips64el,mipsel,ppc64el,s390x |
trixie | 3.1.0+dfsg-3 | amd64,arm64,armel,armhf,i386,mips64el,ppc64el,riscv64,s390x |
sid | 3.1.0+dfsg-3 | amd64,arm64,armel,armhf,i386,mips64el,ppc64el,riscv64,s390x |
bullseye | 3.1.0+dfsg-2 | amd64,arm64,armel,armhf,i386,mips64el,mipsel,ppc64el,s390x |
|
License: DFSG free
|
fclib is an open source collection of Frictional Contact (FC)
problems stored in a specific HDF5 format, and an open source light
implementation of Input/Output functions in C Language to read and
write problems.
The goal of this work is to set up a collection of 2D and 3D
Frictional Contact (FC) problems in order to set up a list of
benchmarks; provide a standard framework for testing available and
new algorithms; and share common formulations of problems in order to
exchange data.
Fclib is an open-source scientific software primarily targeted at
modeling and simulating nonsmooth dynamical systems
This package includes the libfclib development headers.
|
|
libmkldnn-dev
Intel Math Kernel Library for Deep Neural Networks (dev)
|
Versions of package libmkldnn-dev |
Release | Version | Architectures |
buster | 0.17.4-1 | amd64 |
|
License: DFSG free
|
Intel(R) Math Kernel Library for Deep Neural Networks (Intel(R) MKL-DNN) is
an open source performance library for deep learning applications. The library
accelerates deep learning applications and framework on Intel(R) architecture.
Intel(R) MKL-DNN contains vectorized and threaded building blocks which you
can use to implement deep neural networks (DNN) with C and C++ interfaces.
DNN functionality optimized for Intel architecture is also included in
Intel(R) Math Kernel Library (Intel(R) MKL). API in this implementation
is not compatible with Intel MKL-DNN and does not include certain new and
experimental features.
One can choose to build Intel MKL-DNN without binary dependency. The resulting
version will be fully functional, however performance of certain convolution
shapes and sizes and inner product relying on SGEMM function may be suboptimal.
This package contains the header files, and symbol links to the shared object.
|
|
libmrgingham-dev
strumento per trovare scacchiere per procedure di calibrazione visiva
|
Versions of package libmrgingham-dev |
Release | Version | Architectures |
trixie | 1.24-2 | amd64,arm64,armel,armhf,i386,mips64el,ppc64el,riscv64,s390x |
sid | 1.24-2 | amd64,arm64,armel,armhf,i386,mips64el,ppc64el,riscv64,s390x |
bookworm | 1.22-1 | amd64,arm64,armel,armhf,i386,mips64el,mipsel,ppc64el,s390x |
|
License: DFSG free
|
Data un'immagine osservata contenente una scacchiera o una griglia di
cerchi, mrgingham localizza la scacchiera nell'immagine e calcola in modo
preciso la posizione degli angoli della scacchiera (o i centri dei cerchi).
Ciò è simile alle procedure in OpenCV, ma è più veloce e robusto.
Questo pacchetto fornisce le librerie C++ di sviluppo.
|
|
libxgboost-predictor-java
Java implementation of XGBoost predictor for online prediction tasks
|
Versions of package libxgboost-predictor-java |
Release | Version | Architectures |
trixie | 0.3.1+dfsg-2 | all |
bookworm | 0.3.1+dfsg-2 | all |
sid | 0.3.1+dfsg-2 | all |
|
License: DFSG free
|
XGBoost is an optimized distributed gradient boosting library designed to be
highly efficient, flexible and portable. It implements machine learning
algorithms under the Gradient Boosting framework. XGBoost provides a parallel
tree boosting (also known as GBDT, GBM) that solve many data science problems
in a fast and accurate way. The same code runs on major distributed
environment (Kubernetes, Hadoop, SGE, MPI, Dask) and can solve problems beyond
billions of examples.
|
|
libxsmm-dev
Library for matrix operations and deep learning primitives
|
Versions of package libxsmm-dev |
Release | Version | Architectures |
bookworm | 1.17-2 | amd64 |
trixie | 1.17-4 | amd64 |
sid | 1.17-4 | amd64 |
|
License: DFSG free
|
LIBXSMM is a library targeting Intel Architecture for specialized dense and
sparse matrix operations, and deep learning primitives.
This package contains the tools, static libraries and header files.
|
|
python3-hdmedians
high-dimensional medians in Python3
|
Versions of package python3-hdmedians |
Release | Version | Architectures |
sid | 0.14.2-5.1 | amd64,arm64,armel,armhf,i386,mips64el,ppc64el,riscv64,s390x |
bullseye | 0.14.1-1 | amd64,arm64,armel,armhf,i386,mips64el,mipsel,ppc64el,s390x |
buster | 0.13~git20171027.8e0e9e3-1 | amd64,arm64,armhf,i386 |
trixie | 0.14.2-5.1 | amd64,arm64,armel,armhf,i386,mips64el,ppc64el,riscv64,s390x |
bookworm | 0.14.2-5 | amd64,arm64,armel,armhf,i386,mips64el,mipsel,ppc64el,s390x |
|
License: DFSG free
|
Various definitions for a high-dimensional median exist and this Python
package provides a number of fast implementations of these definitions.
Medians are extremely useful due to their high breakdown point (up to
50% contamination) and have a number of nice applications in machine
learning, computer vision, and high-dimensional statistics.
This package currently has implementations of medoid and geometric
median with support for missing data using NaN.
|
|
python3-imblearn
libreria che fornisce tecniche di ricampionamento
|
Versions of package python3-imblearn |
Release | Version | Architectures |
trixie | 0.12.4-1 | all |
sid | 0.12.4-1 | all |
bookworm | 0.10.0-1 | all |
bullseye | 0.7.0-6 | all |
|
License: DFSG free
|
imbalanced-learn è un pacchetto Python che offre diverse tecniche di
ricampionamento comunemente usate negli insiemi di dati che mostrano forti
squilibri tra le classi.
È compatibile con scikit-learn e fa parte dei progetti scikit-learn-contrib.
|
|
python3-liac-arff
library for reading and writing ARFF files in Python
|
Versions of package python3-liac-arff |
Release | Version | Architectures |
bookworm | 2.5.0-3 | all |
bullseye | 2.5.0-1 | all |
sid | 2.5.0-6 | all |
trixie | 2.5.0-6 | all |
|
License: DFSG free
|
The liac-arff module implements functions to read and write ARFF files in
Python. It was created in the Connectionist Artificial Intelligence
Laboratory (LIAC), which takes place at the Federal University of Rio Grande
do Sul (UFRGS), in Brazil.
ARFF (Attribute-Relation File Format) is an file format specially created for
describing datasets which are used commonly for machine learning experiments
and software. This file format was created to be used in WEKA, the best
representative software for machine learning automated experiments.
|
|
python3-mrgingham
strumento per trovare scacchiere per procedure di calibrazione visiva
|
Versions of package python3-mrgingham |
Release | Version | Architectures |
trixie | 1.24-2 | amd64,arm64,armel,armhf,i386,mips64el,ppc64el,riscv64,s390x |
bookworm | 1.22-1 | amd64,arm64,armel,armhf,i386,mips64el,mipsel,ppc64el,s390x |
sid | 1.24-2 | amd64,arm64,armel,armhf,i386,mips64el,ppc64el,riscv64,s390x |
|
License: DFSG free
|
Data un'immagine osservata contenente una scacchiera o una griglia di
cerchi, mrgingham localizza la scacchiera nell'immagine e calcola in modo
preciso la posizione degli angoli della scacchiera (o i centri dei cerchi).
Ciò è simile alle procedure in OpenCV, ma è più veloce e robusto.
Questo pacchetto fornisce le interfacce Python.
|
|
science-numericalcomputation
pacchetti Debian Science per il calcolo numerico
|
Versions of package science-numericalcomputation |
Release | Version | Architectures |
sid | 1.14.7 | all |
trixie | 1.14.7 | all |
bookworm | 1.14.5 | all |
bullseye | 1.14.2 | all |
buster | 1.10 | all |
stretch | 1.7 | all |
jessie | 1.4 | all |
Debtags of package science-numericalcomputation: |
devel | lang:lisp |
role | metapackage, shared-lib |
|
License: DFSG free
|
Questo pacchetto installa i pacchetti Debian Science utili per il
calcolo numerico. Il pacchetto fornisce un sistema di calcolo orientato
ai vettori e di visualizzazione per il calcolo scientifico e l'analisi
dei dati. Questi pacchetti sono simili ai sistemi commerciali come
Matlab e IDL.
|
|
science-statistics
pacchetti Debian Science per la statistica
|
Versions of package science-statistics |
Release | Version | Architectures |
jessie | 1.4 | all |
bookworm | 1.14.5 | all |
stretch | 1.7 | all |
sid | 1.14.7 | all |
trixie | 1.14.7 | all |
buster | 1.10 | all |
bullseye | 1.14.2 | all |
Debtags of package science-statistics: |
role | metapackage |
suite | debian |
|
License: DFSG free
|
Questo metapacchetto fa parte del Debian Pure Blend "Debian Science" e
installa pacchetti relativi alla statistica. Questa è un'attività generica
che può essere utile per qualsiasi lavoro scientifico. Dipende da
moltissimi pacchetti R, oltre che da alcuni altri strumenti che sono utili
per fare statistiche. Inoltre è suggerita l'attività Debian Science per la
matematica per installare, in modo opzionale, tutto il software relativo
alla matematica.
|
|
science-typesetting
pacchetti Debian Science per la composizione tipografica
|
Versions of package science-typesetting |
Release | Version | Architectures |
trixie | 1.14.7 | all |
stretch | 1.7 | all |
buster | 1.10 | all |
bullseye | 1.14.2 | all |
bookworm | 1.14.5 | all |
sid | 1.14.7 | all |
jessie | 1.4 | all |
Debtags of package science-typesetting: |
role | metapackage |
suite | debian |
|
License: DFSG free
|
Questo metapacchetto installa i pacchetti Debian Science relativi alla
composizione tipografica. Chi installa questo pacchetto potrebbe essere
interessato al debtag use::typesetting.
|
|
Debian packages in contrib or non-free
caffe-cuda
Fast, open framework for Deep Learning (Meta)
|
Versions of package caffe-cuda |
Release | Version | Architectures |
buster | 1.0.0+git20180821.99bd997-2 (contrib) | amd64 |
stretch | 1.0.0~rc4-1 (contrib) | amd64 |
|
License: DFSG free, but needs non-free components
|
Caffe is a deep learning framework made with expression, speed,
and modularity in mind. It is developed by the Berkeley AI Research
Lab (BAIR) and community contributors.
This metapackage pulls CUDA version of caffe:
Note, this CUDA version cannot co-exist with the CPU_ONLY version.
|
Packaging has started and developers might try the packaging code in VCS
spacy
Industrial-strength Natural Language Processing (NLP)
|
Versions of package spacy |
Release | Version | Architectures |
VCS | 2.2.3-1 | all |
|
License: MIT
Debian package not available
Version: 2.2.3-1
|
spaCy is a library for advanced Natural Language Processing in Python
and Cython. It’s built on the very latest research, and was designed
from day one to be used in real products. spaCy comes with pre-trained
statistical models and word vectors, and currently supports tokenization
for 30+ languages. It features the fastest syntactic parser in the
world, convolutional neural network models for tagging, parsing and
named entity recognition and easy deep learning integration.
|
streamlit
fast way to build custom ML tools
|
Versions of package streamlit |
Release | Version | Architectures |
VCS | 0.56.0-1 | all |
|
License: Apache-2.0
Debian package not available
Version: 0.56.0-1
|
Streamlit lets you create apps for your machine learning projects with
deceptively simple Python scripts. It supports hot-reloading, so your
app updates live as you edit and save your file. No need to mess with
HTTP requests, HTML, JavaScript, etc. All you need is your favorite
editor and a browser.
|
Unofficial packages built by somebody else
python3-orange
|
|
License: GPLv3
|
Orange is a component-based data mining software. It includes a range
of data visualization, exploration, preprocessing and modeling
techniques. It can be used through a nice and intuitive user interface
or, for more advanced users, as a module for Python programming language.
|
No known packages available but some record of interest (WNPP bug)
Fast Library for Approximate Nearest Neighbors
|
|
License: BSD
Debian package not available
Language: C++
|
FLANN is a library for performing fast approximate nearest neighbor searches
in high dimensional spaces. It contains a collection of algorithms we found
to work best for nearest neighbor search and a system for automatically
choosing the best algorithm and optimum parameters depending on the dataset.
|
Modular Machine Learning Library
|
|
License: BSD
Debian package not available
Language: Python
|
PyBrain is a modular machine learning library for Python. Its goal is to offer
flexible, easy-to-use yet still powerful algorithms for Machine Learning Tasks
and a variety of predefined environments to test and compare your algorithms.
PyBrain currently features algorithms for Supervised Learning, Unsupervised
Learning, Reinforcment Learning and Black-box Optimization.
|
|