Liste des paquetages avec une brève description (si disponible) :

[Niveau de détails 123]

Naidge_in_space	Banc d'essai de compression d'image du projet AIDGE IN SPACE
Napp	Interface Gradio du banc d'essai
Nbackends	Exécution de l'encodeur embarqué (transformée d'analyse g_a) sur plusieurs moteurs
Nbench	Campagnes de benchmark : codecs x niveaux x images -> un CSV par campagne dans outputs/bench
Ncodecs	Registre des codecs
Nballe2017	Ballé 2017 entraîné par le notebook : un codec par architecture trouvée dans outputs/checkpoints
Nbase	Interface commune des codecs : Codec, Level, Result et LearnedCodec
Nbmshj2018	Ballé et al
Nclassical	Codecs classiques de référence, via Pillow : JPEG, JPEG 2000, WebP
Ncoding	Codage entropique des latents, une classe par famille de modèle d'entropie
Nconfig	Chemins du projet, tous relatifs à la racine du dépôt
Nentropy	Codage entropique : codeur arithmétique 32 bits (repris du notebook) et tables de fréquences
Nimages	Jeux d'images et conversions entre tableaux uint8 et tenseurs
Njobs	File d'attente SQLite des entraînements (JobStore) : jobs, métriques et battements de cœur des workers
Nmetrics	Mesures de qualité (PSNR, MS-SSIM) et écart de débit de Bjøntegaard (BD-rate)
Nnn	Modèles de Ballé et al
Nprofiling	Coût de la partie embarquée, couche par couche : calcul, paramètres, mémoire d'activation
Ntrain	CLI d'entraînement : python -m aidge_in_space.train (–config FICHIER.yaml \| –job-id N)
Ntraining	Paquet d'entraînement de Ballé 2017 : configuration (sans torch) et boucle (chargée à la demande)
Nconfig	Configuration d'entraînement : champs, validation, lecture et écriture YAML, préréglages
Nimaging	Conversion des images 16 bits vers 8 bits pour l'entraînement (module léger, sans torch)
Nloop	Boucle d'entraînement de Ballé 2017, portée des cellules 4, 15 et 17 du notebook
Nui_training	Onglets Données, Entraînement et Suivi de l'interface Gradio
Nworker	Worker de la file d'entraînement : exécute les jobs un par un, chacun dans un sous-processus