Foolbox

对抗鲁棒性工具箱

AI 框架

#34

旨在增强机器学习模型安全性的Python库。它提供了评估、保护和验证模型抵御对抗威胁的工具，支持多种框架和数据类型。对抗鲁棒性工具箱是一个旨在增强机器学习模型安全性的Python库。它提供了评估、保护和验证模型抵御对抗威胁的工具，支持多种框架和数据类型。

AgentDojo

AI 框架

动态环境，旨在评估 LLM 代理的提示注入攻击和防御。由苏黎世联邦理工学院和 Invariant Labs 的研究人员开发，它提供了基准测试和创建新攻击和防御模型的工具，帮助研究 AI 漏洞。AgentDojo 是一个动态环境，旨在评估 LLM 代理的提示注入攻击和防御。由苏黎世联邦理工学院和 Invariant Labs 的研究人员开发，它提供了基准测试和创建新攻击和防御模型的工具，帮助研究 AI 漏洞。

TensorFlow

AI 框架

面向所有人的端到端开源机器学习平台。它提供了灵活的工具、库和社区资源生态系统，使得创建和部署机器学习模型变得简单。TensorFlow 是一个面向所有人的端到端开源机器学习平台。它提供了灵活的工具、库和社区资源生态系统，使得创建和部署机器学习模型变得简单。

scikit-learn是一个开源的Python机器学习框架，提供简单高效的预测数据分析工具。它对所有人都可用，并可在各种上下文中重复使用，基于NumPy、SciPy和matplotlib构建。

Captum 模型可解释性

AI 框架

用于 PyTorch 的开源库，提供模型可解释性工具。它支持跨视觉和文本的多模态模型，使用户能够理解其神经网络如何做出预测。该库具有可扩展性，能够轻松实现和基准测试新的可解释性算法。Captum 是一个用于 PyTorch 的开源库，提供模型可解释性工具。它支持跨视觉和文本的多模态模型，使用户能够理解其神经网络如何做出预测。该库具有可扩展性，能够轻松实现和基准测试新的可解释性算法。

Microsoft InterpretML

AI 框架

#31

开源工具包，旨在分析和解释机器学习模型。它提供了最先进的模型可解释性技术，使开发人员和数据科学家能够有效地理解、调试和审计模型。Microsoft InterpretML 是一个开源工具包，旨在分析和解释机器学习模型。它提供了最先进的模型可解释性技术，使开发人员和数据科学家能够有效地理解、调试和审计模型。

简单明了的神经网络框架，旨在深度学习。它将复杂的网络简化为三种操作类型，使开发者能够高效地实现机器学习解决方案。tinygrad是一个简单明了的神经网络框架，旨在深度学习。它将复杂的网络简化为三种操作类型，使开发者能够高效地实现机器学习解决方案。

OpenNN

AI 框架

免费的开源神经网络软件库。它为开发和实现人工智能模型提供一整套工具。该框架面向希望构建先进机器学习方案的研究人员和开发者。OpenNN 是一个免费的开源神经网络软件库。它为开发和实现人工智能模型提供一整套工具。该框架面向希望构建先进机器学习方案的研究人员和开发者。