适用于 机器学习工程师 的最佳AI工具

即时计算 GPT-5、Claude 和 Gemini 等模型的 LLM API 成本并计算 Token 数量。比较 300 多个模型的定价，优化您的 AI 预算。使用这款免费、快速的工具，获取减少 Token 使用量和 API 支出的实用技巧。

LLM价格查询

AI 应用

#23

提供领先的大型语言模型API定价的即时比较和计算。轻松找到来自OpenAI、Anthropic和Google等提供商的经济高效的解决方案。高效优化您的AI预算，立即发现满足您LLM需求的最佳交易。LLM价格查询提供领先的大型语言模型API定价的即时比较和计算。轻松找到来自OpenAI、Anthropic和Google等提供商的经济高效的解决方案。高效优化您的AI预算，立即发现满足您LLM需求的最佳交易。

Featherless - Serverless LLM 托管

AI 应用

提供开源 LLM 的无服务器托管，提供一个 API 密钥即可即时访问超过 30,000 个模型。它简化了部署，为希望集成高级 AI 功能而无需处理基础设施难题的开发人员和企业确保了可靠性和可预测的成本。Featherless 提供开源 LLM 的无服务器托管，提供一个 API 密钥即可即时访问超过 30,000 个模型。它简化了部署，为希望集成高级 AI 功能而无需处理基础设施难题的开发人员和企业确保了可靠性和可预测的成本。

AI在线课程

AI 应用

提供人工智能、机器学习和数据科学的全面学习。它提供动手实践项目、交互式教程、测验和真实世界应用。通过免费源代码和实时编码沙箱，掌握从初学者到高级的各种概念。AI在线课程提供人工智能、机器学习和数据科学的全面学习。它提供动手实践项目、交互式教程、测验和真实世界应用。通过免费源代码和实时编码沙箱，掌握从初学者到高级的各种概念。

Sourcebae

AI 应用

#130

企业对接经过预先审查的领域专家，提供 AI 培训、数据标注、RLHF、模型评估和红队测试服务。该平台支持专家远程工作，时薪在 15-150 美元之间，提供每周结算和灵活的工作安排。服务涵盖数据标注到模型基准测试等 AI 开发的各个层面。Sourcebae 为企业对接经过预先审查的领域专家，提供 AI 培训、数据标注、RLHF、模型评估和红队测试服务。该平台支持专家远程工作，时薪在 15-150 美元之间，提供每周结算和灵活的工作安排。服务涵盖数据标注到模型基准测试等 AI 开发的各个层面。

Drip.new

AI 应用

Seven24 AI 提供可扩展的 RLHF 和数据标注解决方案，用于 LLM。它通过将奖励广告替换为简短的人工标注任务，将移动游戏广告转化为训练数据。这种方法可生成海量高质量的真实用户输入数据集，这对于先进的 AI 模型开发和微调至关重要。

SandboxAQ

AI 应用

#29

利用人工智能和先进计算应对社会挑战。其技术包括人工智能模拟、用于网络安全的密码管理以及人工智能传感。他们专注于定量人工智能，以在制药、能源和国防领域取得突破，目标是获得真实的见解，避免幻觉。SandboxAQ 利用人工智能和先进计算应对社会挑战。其技术包括人工智能模拟、用于网络安全的密码管理以及人工智能传感。他们专注于定量人工智能，以在制药、能源和国防领域取得突破，目标是获得真实的见解，避免幻觉。

UltiHash 对象存储

AI 应用

提供闪电般快速、S3 兼容的对象存储，专为 AI 工作负载而设计。它在不牺牲速度的情况下降低存储成本，从而在本地和云中实现现代数据湖仓。UltiHash 提供闪电般快速、S3 兼容的对象存储，专为 AI 工作负载而设计。它在不牺牲速度的情况下降低存储成本，从而在本地和云中实现现代数据湖仓。

XenonStack AI Reasoning Foundry

AI 应用

#60

面向 Agentic 系统的 Data & AI Foundry，统一基础设施、分析、工作流和安全性，以驱动自动化和可信赖的企业。它使企业能够构建能够安全地思考、决策和行动的系统，从而在运营、金融和风险领域实现可衡量的成果。XenonStack 是面向 Agentic 系统的 Data & AI Foundry，统一基础设施、分析、工作流和安全性，以驱动自动化和可信赖的企业。它使企业能够构建能够安全地思考、决策和行动的系统，从而在运营、金融和风险领域实现可衡量的成果。

Massed Compute

AI 应用

提供按需的 NVIDIA 云 GPU，从 B300 到 A30，预装 CUDA 且无带宽限制。按小时付费，无合同，分钟内即可部署 AI 工作负载。他们提供多种计算选项，包括按需、裸金属、集群以及用于自动化的程序化 API。Massed Compute 提供按需的 NVIDIA 云 GPU，从 B300 到 A30，预装 CUDA 且无带宽限制。按小时付费，无合同，分钟内即可部署 AI 工作负载。他们提供多种计算选项，包括按需、裸金属、集群以及用于自动化的程序化 API。

Backmesh

AI 应用

开源后端，可保护您的 LLM API 密钥，防止泄露并控制成本。它提供 JWT 身份验证、每个用户的速率限制以及 API 资源访问控制，确保只有授权用户才能访问敏感的 LLM 功能。它还提供 LLM 用户分析。Backmesh 是一个开源后端，可保护您的 LLM API 密钥，防止泄露并控制成本。它提供 JWT 身份验证、每个用户的速率限制以及 API 资源访问控制，确保只有授权用户才能访问敏感的 LLM 功能。它还提供 LLM 用户分析。

Cleora Graph Embedding Engine

AI 应用

基于 Rust 的图嵌入引擎，利用稀疏马尔可夫传播以确定性方式计算图嵌入。它为依赖大量 GPU 的方法提供了仅需 CPU、无需调参且速度快的替代方案，无需采样、没有噪声，就能在真实世界的图上达到很高的准确度，非常适合生产环境的机器学习流水线。Cleora 是一款基于 Rust 的图嵌入引擎，利用稀疏马尔可夫传播以确定性方式计算图嵌入。它为依赖大量 GPU 的方法提供了仅需 CPU、无需调参且速度快的替代方案，无需采样、没有噪声，就能在真实世界的图上达到很高的准确度，非常适合生产环境的机器学习流水线。

Harbor Scale

AI 应用

提供 ESP32、Arduino 和 LoRaWAN 设备的托管 Grafana 仪表板，无需复杂的设置。在 60 秒内可视化您的 IoT 数据，提供免费套餐且无需信用卡。它简化了嵌入式系统和服务器的监控，缩短了设置时间和成本。Harbor Scale 提供 ESP32、Arduino 和 LoRaWAN 设备的托管 Grafana 仪表板，无需复杂的设置。在 60 秒内可视化您的 IoT 数据，提供免费套餐且无需信用卡。它简化了嵌入式系统和服务器的监控，缩短了设置时间和成本。

Salad 分布式 GPU 云

AI 应用

提供分布式 GPU 云服务，拥有超过 60,000 个日活跃 GPU，起价仅为 $0.02/小时。它为 AI/ML 生产模型、推理、批处理等提供低成本、高扩展性的计算能力，为用户节省高达 90% 的成本。Salad 提供分布式 GPU 云服务，拥有超过 60,000 个日活跃 GPU，起价仅为 $0.02/小时。它为 AI/ML 生产模型、推理、批处理等提供低成本、高扩展性的计算能力，为用户节省高达 90% 的成本。

Meta Segment Anything Model 2

AI 模型

统一的图像和视频分割模型。它支持通过点击、框选或掩码进行快速、精确的对象选择，在各种应用中提供强大的零样本性能和实时交互性。Meta Segment Anything Model 2 (SAM 2) 是一款统一的图像和视频分割模型。它支持通过点击、框选或掩码进行快速、精确的对象选择，在各种应用中提供强大的零样本性能和实时交互性。

Custom Vision

AI 应用

Custom Vision 使您能够轻松创建最先进的计算机视觉模型，以满足特定用例的需求。通过提供已标记的图像，该平台会自动处理训练过程，并通过简单的 REST API 实现快速图像标记。它简化了各种应用的视觉智能。

Metaflow

AI 应用

开源框架，专为构建和管理真实的机器学习、人工智能和数据科学项目而设计。它简化了开发、版本控制和部署，使用户能够利用云端计算进行可扩展执行，并与现有基础设施无缝集成。Metaflow 是一个开源框架，专为构建和管理真实的机器学习、人工智能和数据科学项目而设计。它简化了开发、版本控制和部署，使用户能够利用云端计算进行可扩展执行，并与现有基础设施无缝集成。

Shumai

AI GitHub 仓库

为 JavaScript 和 TypeScript 构建的快速、可微分的张量库，基于 Bun 和 Flashlight。它使软件工程师和研究人员能够高效地在 JavaScript 生态系统中创建数据集、训练小型模型和实现高级训练逻辑。它利用原生类型数组和 JIT 编译器来提高性能。Shumai 是一个为 JavaScript 和 TypeScript 构建的快速、可微分的张量库，基于 Bun 和 Flashlight。它使软件工程师和研究人员能够高效地在 JavaScript 生态系统中创建数据集、训练小型模型和实现高级训练逻辑。它利用原生类型数组和 JIT 编译器来提高性能。

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。

Grably Datasets

AI 应用

提供高质量的多模态人类互动和对话数据集，用于人工智能研究。它们捕获并构建物理运动、生理信号、注视、语音和情境线索，以支持真正理解人类行为和决策过程的人工智能。Grably 提供高质量的多模态人类互动和对话数据集，用于人工智能研究。它们捕获并构建物理运动、生理信号、注视、语音和情境线索，以支持真正理解人类行为和决策过程的人工智能。

PrivateGPT.dev

AI 应用

开源 API 层，可将本地 AI 模型转化为生产就绪的 AI 应用程序。它提供了开发私有 AI 产品所需的基本构建块，无需依赖云 API，从而实现安全、本地的数据处理和检索，并支持引用。PrivateGPT.dev 是一个开源 API 层，可将本地 AI 模型转化为生产就绪的 AI 应用程序。它提供了开发私有 AI 产品所需的基本构建块，无需依赖云 API，从而实现安全、本地的数据处理和检索，并支持引用。

Seldon Core

AI GitHub 仓库

MLOps 和 LLMOps 框架，用于在 Kubernetes 上部署、管理和扩展 AI 系统。它支持跨云部署各种模型类型，并通过管道、自动伸缩和多模型服务等功能，促进模块化和以数据为中心的应用程序。Seldon Core 是一个 MLOps 和 LLMOps 框架，用于在 Kubernetes 上部署、管理和扩展 AI 系统。它支持跨云部署各种模型类型，并通过管道、自动伸缩和多模型服务等功能，促进模块化和以数据为中心的应用程序。

Databricks Feature Store

AI 平台

Unity Catalog 中 AI/ML 特征的中央注册中心。它提供内置治理、数据沿袭、时间点连接和在线服务，可实现无缝的模型训练和推理，确保一致性并简化客户端代码。Databricks Feature Store 是 Unity Catalog 中 AI/ML 特征的中央注册中心。它提供内置治理、数据沿袭、时间点连接和在线服务，可实现无缝的模型训练和推理，确保一致性并简化客户端代码。

Detection Transformers (DETR)

AI 模型

DETR 是一种端到端的对象检测和全景分割框架，将 Transformer 作为核心组件集成。它简化了架构，直接预测对象集，并在 COCO 等具有挑战性的数据集上达到了最先进的性能，为计算机视觉任务提供了更灵活、更精简的方法。

Xception

AI 模型

深度学习模型，可通过 Keras 3 API 使用。它是 Keras Applications 的一部分，为各种计算机视觉任务提供预训练模型。Xception 专为图像分类及相关应用而设计，为构建先进的 AI 系统奠定了坚实的基础。Xception 是一个深度学习模型，可通过 Keras 3 API 使用。它是 Keras Applications 的一部分，为各种计算机视觉任务提供预训练模型。Xception 专为图像分类及相关应用而设计，为构建先进的 AI 系统奠定了坚实的基础。

FaceNet

AI GitHub 仓库

基于 FaceNet 论文的 TensorFlow 实现，用于人脸识别和聚类。它利用深度学习模型为面部生成统一的嵌入向量，从而实现准确的识别和分组。该项目提供了预训练模型和用于训练自定义分类器的代码。FaceNet 是一个基于 FaceNet 论文的 TensorFlow 实现，用于人脸识别和聚类。它利用深度学习模型为面部生成统一的嵌入向量，从而实现准确的识别和分组。该项目提供了预训练模型和用于训练自定义分类器的代码。

Longformer Base 4096

AI 模型

为处理长文档而设计的 Transformer 模型。它基于 RoBERTa，并在最长 4096 个 token 的扩展序列上进行了预训练。该模型采用混合注意力机制，结合了滑动窗口和全局注意力，以实现高效的长文档理解和特定任务的表征学习。Longformer Base 4096 是一款为处理长文档而设计的 Transformer 模型。它基于 RoBERTa，并在最长 4096 个 token 的扩展序列上进行了预训练。该模型采用混合注意力机制，结合了滑动窗口和全局注意力，以实现高效的长文档理解和特定任务的表征学习。

Phi-2 语言模型

AI 模型

来自微软研究院的一个拥有 27 亿参数的语言模型。它展现了出色的推理和语言理解能力，在 130 亿参数以下的模型中取得了最先进的性能。在复杂的基准测试中，Phi-2 的表现与模型大小高出 25 倍的模型相当或更优，是研究和实验的理想选择。Phi-2 是来自微软研究院的一个拥有 27 亿参数的语言模型。它展现了出色的推理和语言理解能力，在 130 亿参数以下的模型中取得了最先进的性能。在复杂的基准测试中，Phi-2 的表现与模型大小高出 25 倍的模型相当或更优，是研究和实验的理想选择。

可扩展的区域标注主动学习框架

AI 模型

该框架引入了一种新颖的主动学习方法，用于丰富大型 3D 形状数据集的语义区域标注。它有效地结合了手动标注、自动传播和验证，以最大限度地减少用户工作量，同时最大限度地提高 3D 模型标注的准确性。

DGCNN

AI GitHub 仓库

用于点云学习的 AI 模型，实现了动态图卷积神经网络。它在 3D 点云数据的分类和分割等任务中取得了最先进的性能。该模型有 PyTorch 实现版本，并已应用于实际场景。DGCNN 是一款用于点云学习的 AI 模型，实现了动态图卷积神经网络。它在 3D 点云数据的分类和分割等任务中取得了最先进的性能。该模型有 PyTorch 实现版本，并已应用于实际场景。

VideoMAE

AI 模型

MMAction2 是一个用于动作识别和视频理解任务的基础库。它提供了一个全面的工具包，用于开发和部署最先进的视频分析模型，该模型构建在 PyTorch 之上并与 OpenMMLab 生态系统集成。本档涵盖教程、API 参考和项目信息。

能够生成高质量、具有长期一致性的音频的 AI 模型。它将音频生成视为一项语言建模任务，将音频映射到离散的 token。该框架在生成自然连贯的语音和音乐续写方面表现出色，即使是针对未曾见过的说话人或风格。AudioLM 是一个能够生成高质量、具有长期一致性的音频的 AI 模型。它将音频生成视为一项语言建模任务，将音频映射到离散的 token。该框架在生成自然连贯的语音和音乐续写方面表现出色，即使是针对未曾见过的说话人或风格。

Mamba SSM 架构

AI GitHub 仓库

新颖的状态空间模型架构，专为高效序列建模而设计，在语言等信息密集型数据上尤其有效。它提供了硬件感知的实现，旨在超越先前亚二次方模型并与 Transformer 竞争。Mamba 是一种新颖的状态空间模型架构，专为高效序列建模而设计，在语言等信息密集型数据上尤其有效。它提供了硬件感知的实现，旨在超越先前亚二次方模型并与 Transformer 竞争。

RWKV 语言模型

AI 模型

强大的语言模型，提供高效的推理和灵活的微调能力。它支持各种应用，包括桌面 GUI、基于 Web 的推理和移动应用，使先进的 AI 能够跨多个平台和设备用于各种任务。RWKV 是一个强大的语言模型，提供高效的推理和灵活的微调能力。它支持各种应用，包括桌面 GUI、基于 Web 的推理和移动应用，使先进的 AI 能够跨多个平台和设备用于各种任务。

OpenELM 语言模型

AI 模型

来自 Apple Machine Learning Research 的最先进的开放语言模型系列。它采用逐层缩放策略以提高准确性，并提供了一个完整的框架，用于在包括日志和检查点在内的公共数据集上进行训练和评估。该发布还包括在 Apple 设备上集成 MLX 的代码。OpenELM 是来自 Apple Machine Learning Research 的最先进的开放语言模型系列。它采用逐层缩放策略以提高准确性，并提供了一个完整的框架，用于在包括日志和检查点在内的公共数据集上进行训练和评估。该发布还包括在 Apple 设备上集成 MLX 的代码。

Caffe SSD

AI 模型

Caffe 框架集成 SSD 实现，用于目标检测。该存储库提供了一个快速、开放的深度学习框架，专门为单次多框检测器 (SSD) 定制。它能够使用单个模型训练和评估目标检测网络，提供高效的性能。

ViT-Adapter

AI GitHub 仓库

人工智能模型，可提高 Vision Transformer (ViT) 在目标检测和分割等密集预测任务上的性能。它在无需预训练的情况下引入了特定于图像的归纳偏置，使普通 ViT 能够取得与专用 Transformer 相当的结果，从而适用于各种下游应用。ViT-Adapter 是一款人工智能模型，可提高 Vision Transformer (ViT) 在目标检测和分割等密集预测任务上的性能。它在无需预训练的情况下引入了特定于图像的归纳偏置，使普通 ViT 能够取得与专用 Transformer 相当的结果，从而适用于各种下游应用。

该人工智能模型提供了一个通用的图像到图像翻译解决方案。它能够学习图像映射和适当的损失函数，从而实现多样化的应用，例如根据标签合成照片、从边缘重建对象以及为图像着色。该框架具有可适应性，并已在各种流行的深度学习库中实现。

DM-GAN

AI GitHub 仓库

用于文本到图像合成的动态记忆生成对抗网络的 PyTorch 实现。该存储库提供了基于 CVPR2019 论文的代码、预训练模型和评估脚本，用于从文本描述生成图像。DM-GAN 是用于文本到图像合成的动态记忆生成对抗网络的 PyTorch 实现。该存储库提供了基于 CVPR2019 论文的代码、预训练模型和评估脚本，用于从文本描述生成图像。

生成式图像到文本转换器

AI GitHub 仓库

GIT（生成式图像到文本转换器）是微软开发的一款用于视觉和语言任务的AI模型。它能从图像生成文本描述，并执行视觉问答。该模型提供多种预训练和微调版本，适用于不同应用。

Dreamer V3

AI 模型

通用的强化学习算法，它学习环境模型来解决各种控制任务。它以单一配置在超过 150 个任务中表现出色，优于专用方法。该算法通过想象未来场景，实现跨领域的鲁棒学习，使人工智能在无需大量人类专业知识或实验的情况下得到广泛应用。Dreamer V3 是一种通用的强化学习算法，它学习环境模型来解决各种控制任务。它以单一配置在超过 150 个任务中表现出色，优于专用方法。该算法通过想象未来场景，实现跨领域的鲁棒学习，使人工智能在无需大量人类专业知识或实验的情况下得到广泛应用。

TD3 PyTorch 实现

AI GitHub 仓库

该存储库提供了作者官方的 Twin Delayed Deep Deterministic Policy Gradients (TD3) PyTorch 实现。它专为 OpenAI Gym 环境中的连续控制任务而设计，为强化学习的研究和开发提供了强大的解决方案。

Principal Neighbourhood Aggregation

AI GitHub 仓库

该存储库提供了图神经网络（GNN）的Principal Neighbourhood Aggregation (PNA) 的实现。它支持 PyTorch、DGL 和 PyTorch Geometric 框架，提供用于多任务和真实世界基准测试的脚本，以及灵活的 GNN 框架和比较模型。

端到端的文本到语音模型，可提高语音质量和训练速度。它直接整合了音高和能量等语音变化信息，通过消除教师蒸馏并实现更快、更高质量的语音合成，从而改进了先前非自回归模型。FastSpeech 2 是一个端到端的文本到语音模型，可提高语音质量和训练速度。它直接整合了音高和能量等语音变化信息，通过消除教师蒸馏并实现更快、更高质量的语音合成，从而改进了先前非自回归模型。

高效、高保真的生成对抗网络，用于语音合成。它通过建模音频中的周期性模式来提升样本质量，以极快的速度实现接近人声的质量。该模型支持单说话人、未见过的说话人以及端到端合成，并提供适用于 CPU 的轻量级版本。HiFi-GAN 是一种高效、高保真的生成对抗网络，用于语音合成。它通过建模音频中的周期性模式来提升样本质量，以极快的速度实现接近人声的质量。该模型支持单说话人、未见过的说话人以及端到端合成，并提供适用于 CPU 的轻量级版本。

用于端到端语音处理的开源工具包。它提供了用于自动语音识别 (ASR)、文本到语音合成 (TTS) 和语音增强等任务的全面脚本和工具。用户可以使用其灵活的框架轻松运行推理、微调现有模型或实现自定义解决方案。ESPnet 是一个用于端到端语音处理的开源工具包。它提供了用于自动语音识别 (ASR)、文本到语音合成 (TTS) 和语音增强等任务的全面脚本和工具。用户可以使用其灵活的框架轻松运行推理、微调现有模型或实现自定义解决方案。

LIBSVM

AI 框架

集成的软件包，用于支持向量分类、回归和分布估计。它提供了一个用户友好的界面，支持多类分类，并包含各种核函数和扩展，使不同领域的用户都能方便地使用 SVM。LIBSVM 是一个集成的软件包，用于支持向量分类、回归和分布估计。它提供了一个用户友好的界面，支持多类分类，并包含各种核函数和扩展，使不同领域的用户都能方便地使用 SVM。

Vision Transformer

AI GitHub 仓库

Vision Transformer (ViT) 仓库提供了用于图像识别任务的模型和代码。它包括 Vision Transformer 和 MLP-Mixer 架构的实现，这些模型已在 ImageNet 和 ImageNet-21k 数据集上进行了预训练，并提供了 JAX/Flax 中的微调代码。

FNet

AI GitHub 仓库

高效的类 Transformer 编码器架构，它用傅里叶变换取代了自注意力机制。该模型由 Google Research 开发，为自然语言处理任务提供了一种高性能的替代方案。该模型使用 Jax/Flax 实现，并在 GitHub 上提供，可用于预训练和微调。FNet 是一种高效的类 Transformer 编码器架构，它用傅里叶变换取代了自注意力机制。该模型由 Google Research 开发，为自然语言处理任务提供了一种高性能的替代方案。该模型使用 Jax/Flax 实现，并在 GitHub 上提供，可用于预训练和微调。

SpanBERT

AI GitHub 仓库

专注于通过表示和预测文本片段来改进预训练的 AI 模型。它提供预训练的基础版和大型版（区分大小写）模型，与 HuggingFace BERT 格式兼容。该代码库提供了在各种 NLP 任务（包括问答和关系抽取）上使用和评估 SpanBERT 的代码。SpanBERT 是一种专注于通过表示和预测文本片段来改进预训练的 AI 模型。它提供预训练的基础版和大型版（区分大小写）模型，与 HuggingFace BERT 格式兼容。该代码库提供了在各种 NLP 任务（包括问答和关系抽取）上使用和评估 SpanBERT 的代码。

LayoutLM

AI GitHub 仓库

用于视觉丰富文档理解和信息提取的多模态预训练模型。它结合了文本、布局和图像信息，在表单和收据理解等任务上取得了最先进的成果。该模型有多种尺寸和版本，包括多语言支持。LayoutLM 是一个用于视觉丰富文档理解和信息提取的多模态预训练模型。它结合了文本、布局和图像信息，在表单和收据理解等任务上取得了最先进的成果。该模型有多种尺寸和版本，包括多语言支持。

MASS

AI GitHub 仓库

用于序列到序列语言生成任务的预训练方法。它会掩盖句子片段，让编码器在解码器中进行预测，从而增强神经机器翻译和文本摘要等任务。该代码库支持基于 Fairseq 的各种应用。MASS 是一种用于序列到序列语言生成任务的预训练方法。它会掩盖句子片段，让编码器在解码器中进行预测，从而增强神经机器翻译和文本摘要等任务。该代码库支持基于 Fairseq 的各种应用。

ProphetNet

AI GitHub 仓库

MSRA NLC 团队的一项研究项目，专注于自然语言生成。它提供了预训练模型的官方实现，包括面向未来信息、联合生成器-排序器学习以及基于扩散的文本生成模型。该项目托管在 GitHub 上。ProphetNet 是 MSRA NLC 团队的一项研究项目，专注于自然语言生成。它提供了预训练模型的官方实现，包括面向未来信息、联合生成器-排序器学习以及基于扩散的文本生成模型。该项目托管在 GitHub 上。

DeBERTa - 微软研究院

AI 模型

微软研究院开发的大规模预训练语言模型。其性能超越 T5 11B 模型，并在 SuperGLUE 基准测试中取得了接近人类水平的结果。该先进模型为自然语言理解任务提供了强大的能力。DeBERTa 是微软研究院开发的大规模预训练语言模型。其性能超越 T5 11B 模型，并在 SuperGLUE 基准测试中取得了接近人类水平的结果。该先进模型为自然语言理解任务提供了强大的能力。

Funnel-Transformer

AI GitHub 仓库

AI 模型，它压缩隐藏状态以降低计算成本。它允许在相同的 FLOPs 下构建更深或更宽的模型，并能恢复标准预训练的 token 级表示。该模型提供 TensorFlow 和 PyTorch 实现。Funnel-Transformer 是一种 AI 模型，它压缩隐藏状态以降低计算成本。它允许在相同的 FLOPs 下构建更深或更宽的模型，并能恢复标准预训练的 token 级表示。该模型提供 TensorFlow 和 PyTorch 实现。

ConvBERT

AI GitHub 仓库

开源的 AI 模型，用于预训练语言模型，引入了具有基于跨度的动态卷积的新型架构。此 GitHub 存储库提供了预训练和微调 ConvBERT 模型的代码，已在 V100 GPU 上进行了测试，并包含使用 TensorFlow 的说明。ConvBERT 是一个开源的 AI 模型，用于预训练语言模型，引入了具有基于跨度的动态卷积的新型架构。此 GitHub 存储库提供了预训练和微调 ConvBERT 模型的代码，已在 V100 GPU 上进行了测试，并包含使用 TensorFlow 的说明。

node2vec

AI 模型

可扩展的框架，用于学习图中节点的连续特征表示。它通过有偏随机游走来优化邻域保留，从而支持各种机器学习任务。该算法平衡了探索和利用，以获得丰富的节点嵌入。node2vec 是一个可扩展的框架，用于学习图中节点的连续特征表示。它通过有偏随机游走来优化邻域保留，从而支持各种机器学习任务。该算法平衡了探索和利用，以获得丰富的节点嵌入。

SEAL 链接预测

AI GitHub 仓库

新颖的链接预测框架，它将问题转化为子图分类任务。它提取 h-hop 包络子图和节点信息矩阵，并将它们输入图神经网络。SEAL 同时从图结构和潜在/显式节点特征中学习，以实现准确的链接预测。SEAL 是一个新颖的链接预测框架，它将问题转化为子图分类任务。它提取 h-hop 包络子图和节点信息矩阵，并将它们输入图神经网络。SEAL 同时从图结构和潜在/显式节点特征中学习，以实现准确的链接预测。

GraphSAINT

AI GitHub 仓库

灵活的框架，用于在大型图上训练深度图神经网络 (GNN)。它引入了一种新颖的、使用图采样进行的小批量训练方法，与传统的层采样技术相比，在准确性、效率和可扩展性方面都有所提高。支持多种 GNN 架构和采样器。GraphSAINT 是一个灵活的框架，用于在大型图上训练深度图神经网络 (GNN)。它引入了一种新颖的、使用图采样进行的小批量训练方法，与传统的层采样技术相比，在准确性、效率和可扩展性方面都有所提高。支持多种 GNN 架构和采样器。

RoboCat

AI 模型

可自我改进的机器人 AI 代理，可学习在不同机器人手臂上执行各种任务。它只需 100 次演示即可适应新任务，并生成自己的训练数据以提高性能，从而加速机器人研究。RoboCat 是一种可自我改进的机器人 AI 代理，可学习在不同机器人手臂上执行各种任务。它只需 100 次演示即可适应新任务，并生成自己的训练数据以提高性能，从而加速机器人研究。

StyleSwin: 基于 Transformer 的 GAN

AI GitHub 仓库

基于 Transformer 的生成对抗网络 (GAN)，专为高分辨率图像生成而设计。它利用 Swin Transformer 和一种新颖的双注意力机制来平衡计算效率和建模能力，在高达 1024x1024 的分辨率下取得了卓越的成果。StyleSwin 是一种基于 Transformer 的生成对抗网络 (GAN)，专为高分辨率图像生成而设计。它利用 Swin Transformer 和一种新颖的双注意力机制来平衡计算效率和建模能力，在高达 1024x1024 的分辨率下取得了卓越的成果。

该AI模型引入了一种多分辨率哈希编码技术，用于神经图形基元，可在单个GPU上实现近乎即时的神经网络训练。它显著缩短了训练时间和计算成本，适用于巨像素图像表示、神经SDF和NeRF重建等任务，并提供高质量和简洁性。

Decision Transformer

AI 模型

将强化学习重构为序列建模问题，利用 GPT-x 和 BERT 等 Transformer 架构。它通过对期望回报、过去状态和动作进行条件化来生成最优动作，在 Atari、OpenAI Gym 和 Key-to-Door 任务上达到了最先进的性能。Decision Transformer 将强化学习重构为序列建模问题，利用 GPT-x 和 BERT 等 Transformer 架构。它通过对期望回报、过去状态和动作进行条件化来生成最优动作，在 Atari、OpenAI Gym 和 Key-to-Door 任务上达到了最先进的性能。

TabNet

AI GitHub 仓库

PyTorch TabNet 是 TabNet 论文的 PyTorch 实现，提供了一种用于表格数据学习的注意力机制和可解释方法。它支持分类、回归和多任务学习，并具备半监督预训练和即时数据增强等功能。该库易于使用且为生产环境就绪而设计。

Neural Oblivious Decision Ensembles

AI GitHub 仓库

用于表格数据深度学习的 Python 库。它实现了可微分的遗忘决策树集成，为结构化数据建模提供了一种新颖的方法。NODE 旨在利用深度学习架构处理表格数据集，为传统方法提供替代方案。Neural Oblivious Decision Ensembles (NODE) 是一个用于表格数据深度学习的 Python 库。它实现了可微分的遗忘决策树集成，为结构化数据建模提供了一种新颖的方法。NODE 旨在利用深度学习架构处理表格数据集，为传统方法提供替代方案。

用于表格数据的深度学习模型

AI GitHub 仓库

此 GitHub 存储库提供了 NeurIPS 2021 论文“重新审视表格数据的深度学习模型”的官方实现。它探讨了用于表格数据的深度学习架构，强调了 MLP 类模型作为强大的基线，并引入了 FT-Transformer 作为 Transformer 架构的强大改编。

SAINT

AI GitHub 仓库

该存储库提供了SAINT模型的官方PyTorch实现，旨在改进表格数据上的神经网络。它利用行注意力（row attention）和对比预训练（contrastive pre-training）技术来提高性能。该代码支持回归、二分类和多分类任务，为表格数据挑战提供了强大的解决方案。

R-FCN

AI GitHub 仓库

基于区域的对象检测框架，它利用全卷积网络进行准确高效的图像分析。它在整个图像上共享计算，从而能够采用强大的分类器骨干网络（如 ResNets）来增强对象检测能力。R-FCN 是一种基于区域的对象检测框架，它利用全卷积网络进行准确高效的图像分析。它在整个图像上共享计算，从而能够采用强大的分类器骨干网络（如 ResNets）来增强对象检测能力。

Squeeze-and-Excitation Networks

AI GitHub 仓库

深度学习模型架构，可自适应地重新校准通道特征响应。它通过显式建模通道间的相互依赖性来提高性能，从而在图像分类任务中获得更高的准确性。该实现基于 Caffe。Squeeze-and-Excitation Networks (SENet) 是一种深度学习模型架构，可自适应地重新校准通道特征响应。它通过显式建模通道间的相互依赖性来提高性能，从而在图像分类任务中获得更高的准确性。该实现基于 Caffe。

ConvMixer

AI GitHub 仓库

该存储库提供了 ConvMixer 的实现，这是一种用于图像识别任务的卷积神经网络架构。它基于论文 "Patches Are All You Need? 🤷"，并提供预训练模型权重用于评估以及在 ImageNet-1k 和 CIFAR-10 等数据集上进行训练的代码。

RepVGG

AI GitHub 仓库

强大而简单的卷积神经网络 (ConvNet) 架构，可在 ImageNet 上实现高精度。它采用了 VGG 风格的设计并结合了重参数化技术，从而实现了高效的推理。该项目提供了预训练模型、训练代码以及用于各种计算机视觉任务的示例。RepVGG 是一种强大而简单的卷积神经网络 (ConvNet) 架构，可在 ImageNet 上实现高精度。它采用了 VGG 风格的设计并结合了重参数化技术，从而实现了高效的推理。该项目提供了预训练模型、训练代码以及用于各种计算机视觉任务的示例。

Vision GNN (ViG)

AI GitHub 仓库

华为诺亚方舟实验室开发的 Vision Graph Neural Networks 的 PyTorch 实现。它为图像处理任务提供了高效的 AI 主干网络，包括 ViG 和 Pyramid ViG 架构的预训练模型和训练脚本。Vision GNN (ViG) 是华为诺亚方舟实验室开发的 Vision Graph Neural Networks 的 PyTorch 实现。它为图像处理任务提供了高效的 AI 主干网络，包括 ViG 和 Pyramid ViG 架构的预训练模型和训练脚本。

全景特征金字塔网络

AI 模型

全景FPN将实例分割和语义分割统一到单一网络架构中。它通过使用共享的特征金字塔网络骨干网的语义分割分支来增强Mask R-CNN，为这两个任务提供了轻量级且有效的解决方案。本研究旨在为全景分割提供一个强大的基线。

Skip-Thought Vectors

AI GitHub 仓库

提供 Sent2Vec 编码器和训练代码，基于研究论文“Skip-Thought Vectors”。它能够为句子生成密集向量表示，从而促进各种自然语言处理任务。代码使用 Python 实现，需要特定的依赖项进行设置和执行。Skip-Thought Vectors 提供 Sent2Vec 编码器和训练代码，基于研究论文“Skip-Thought Vectors”。它能够为句子生成密集向量表示，从而促进各种自然语言处理任务。代码使用 Python 实现，需要特定的依赖项进行设置和执行。

BAAI 模型

AI 模型

BAAI 模型平台提供多样化的人工智能模型，涵盖自然语言处理、多模态理解和蛋白质分析等领域。您可以探索和下载用于文本生成、图像描述和蛋白质结构预测等任务的模型，以支持各种应用和研究需求。

RETRO 语言模型

AI 模型

RETRO（检索增强 Transformer）是一个将检索能力增强到 Transformer 架构中的 AI 模型。它能够访问包含网页、书籍、新闻和代码等海量文本的数据库，以提高语言生成的准确性和事实一致性。这种方法比标准 Transformer 提供了显著的性能提升。

BEGAN in Tensorflow

AI 模型

该存储库提供了BEGAN（边界平衡生成对抗网络）模型的TensorFlow实现。它允许用户训练和测试用于图像合成的生成模型，支持自定义数据集和GPU加速。该项目包括数据加载、模型架构和训练实用程序的代码。

LS-GAN

AI 模型

LS-GAN，即损失敏感生成对抗网络，是一个专注于推进GAN的项目。它引入了一种新颖的损失函数方法，旨在提高生成质量和稳定性。该项目提供了用于实现和试验LS-GAN及其变体的源代码。

PyTorch MADE

AI GitHub 仓库

该存储库提供了 MADE（掩码自编码器密度估计）的 PyTorch 实现。它通过掩码多层感知机 (MLP) 中的连接，将自编码器转变为自回归密度模型。该代码支持高效的似然评估和采样，并提供了二值化 MNIST 的示例。

StyleGAN-XL

AI GitHub 仓库

用于从大型、多样化数据集中生成高分辨率图像的 AI 模型。它扩展了 StyleGAN 架构，以提高图像合成质量和多样性。该项目提供了用于训练、生成样本以及执行图像反演和编辑的代码。StyleGAN-XL 是一个用于从大型、多样化数据集中生成高分辨率图像的 AI 模型。它扩展了 StyleGAN 架构，以提高图像合成质量和多样性。该项目提供了用于训练、生成样本以及执行图像反演和编辑的代码。

StyleGAN3 是一种生成对抗网络，通过彻底改革信号处理来消除“纹理粘连”。它实现了平移和旋转的等变性，从而能够更连贯地合成视频和动画。该模型为动态视觉内容提供了改进的细节一致性。

用于高效非自回归音频生成的 AI 模型。它能以比以往方法快两个数量级的速度生成高质量音频，同时保持语音和声学条件的一致性。它能够合成自然的对话片段，并可控制语音内容、说话人声音和说话人轮次。SoundStorm 是一款用于高效非自回归音频生成的 AI 模型。它能以比以往方法快两个数量级的速度生成高质量音频，同时保持语音和声学条件的一致性。它能够合成自然的对话片段，并可控制语音内容、说话人声音和说话人轮次。

AlphaStar

AI 模型

在复杂实时战略游戏《星际争霸 II》中达到宗师级的 AI 模型。它利用多智能体强化学习和模仿学习，在模拟人类限制的条件下进行游戏，不设游戏限制，展示了在动态环境中先进的 AI 能力。AlphaStar 是一个在复杂实时战略游戏《星际争霸 II》中达到宗师级的 AI 模型。它利用多智能体强化学习和模仿学习，在模拟人类限制的条件下进行游戏，不设游戏限制，展示了在动态环境中先进的 AI 能力。

CompGCN

AI GitHub 仓库

基于组合的多关系图卷积网络的 PyTorch 实现。它能够实现先进的图表示学习，用于知识图谱链接预测等任务，提供灵活的组合操作和与各种评分函数的兼容性。CompGCN 是一个基于组合的多关系图卷积网络的 PyTorch 实现。它能够实现先进的图表示学习，用于知识图谱链接预测等任务，提供灵活的组合操作和与各种评分函数的兼容性。

PPNP & APPNP 模型

AI GitHub 仓库

此 GitHub 存储库提供了 PPNP 和 APPNP 模型的 TensorFlow 和 PyTorch 实现，这些模型在论文“Predict then Propagate: Graph Neural Networks meet Personalized PageRank”中提出。它包含了用于复现结果的代码以及易于集成到基于图的机器学习项目中的示例。

简化图卷积网络

AI GitHub 仓库

此存储库提供了“简化图卷积网络”论文的官方实现。它提供了一个简化的图卷积网络 (GCN) 模型，该模型消除了非线性并折叠了权重矩阵，从而得到了一个线性模型，该模型在显著缩短的训练时间内实现了具有竞争力的性能。

Graph Neural PDEs

AI GitHub 仓库

开源项目，提供用于图神经网络 (GNN) 的 Python 代码，该项目将图学习视为一个连续的扩散过程。它实现了 GRAND 和 BLEND 模型，提供了新颖的方法来解决常见的图学习挑战，如过平滑和深度限制。Graph Neural PDEs 是一个开源项目，提供用于图神经网络 (GNN) 的 Python 代码，该项目将图学习视为一个连续的扩散过程。它实现了 GRAND 和 BLEND 模型，提供了新颖的方法来解决常见的图学习挑战，如过平滑和深度限制。

这篇博文介绍了一种基于现代 Hopfield 网络的新型 PyTorch Hopfield 层。它将经典 Hopfield 网络推广到连续状态和模式，提供指数级存储容量和快速收敛。更新规则被证明等同于 Transformer 自注意力机制，从而能够构建新的深度学习架构。

OpenSpiel

AI GitHub 仓库

用于游戏领域强化学习研究的综合性框架。它提供了一系列环境和算法，用于开发和测试各种类型游戏的通用 AI 代理，从简单的棋盘游戏到复杂的多智能体场景。它支持 C++ 和 Python 集成。OpenSpiel 是一个用于游戏领域强化学习研究的综合性框架。它提供了一系列环境和算法，用于开发和测试各种类型游戏的通用 AI 代理，从简单的棋盘游戏到复杂的多智能体场景。它支持 C++ 和 Python 集成。

Temporal Graph Networks

AI GitHub 仓库

提供了一个通用的、高效的动态图深度学习框架。这个基于 Python 的库利用新颖的内存模块和基于图的运算符，在计算效率和演进图结构上的预测准确性方面优于现有方法。Temporal Graph Networks (TGNs) 提供了一个通用的、高效的动态图深度学习框架。这个基于 Python 的库利用新颖的内存模块和基于图的运算符，在计算效率和演进图结构上的预测准确性方面优于现有方法。

xDeepFM

AI GitHub 仓库

开源深度学习工具包，用于因子分解模型，特别发布了 eXtreme Deep Factorization Machine (xDeepFM) 模型的源代码。它旨在为深度推荐系统和基于因子分解的机器学习任务提供基础。xDeepFM 是一个开源深度学习工具包，用于因子分解模型，特别发布了 eXtreme Deep Factorization Machine (xDeepFM) 模型的源代码。它旨在为深度推荐系统和基于因子分解的机器学习任务提供基础。

Attentional Factorization Machine

AI GitHub 仓库

此 GitHub 存储库提供了 Attentional Factorization Machine (AFM) 模型的 TensorFlow 实现。它允许用户为推荐系统等任务训练和评估 AFM，通过注意力网络学习特征交互的权重。该项目包括代码、数据示例以及快速设置和性能比较的说明。

LightGCN

AI GitHub 仓库

简化的图卷积网络，专为推荐系统设计。它专注于协同过滤的核心邻域聚合组件，提供了一种从交互数据中学习用户和物品表示的高效方法。LightGCN 是一种简化的图卷积网络，专为推荐系统设计。它专注于协同过滤的核心邻域聚合组件，提供了一种从交互数据中学习用户和物品表示的高效方法。

Neural Graph Collaborative Filtering

AI GitHub 仓库

利用图神经网络的推荐框架。它通过在用户-物品二部图中进行高阶连通性嵌入传播，显式地编码协同信号。此实现基于 SIGIR 2019 的论文。Neural Graph Collaborative Filtering (NGCF) 是一个利用图神经网络的推荐框架。它通过在用户-物品二部图中进行高阶连通性嵌入传播，显式地编码协同信号。此实现基于 SIGIR 2019 的论文。

PyTorch 文档

AI 框架

提供了关于该优化深度学习张量库的全面资源。它涵盖了稳定和不稳定功能、用户指南、API 参考以及用于 GPU 和 CPU 加速的开发者笔记，支持高效的模型开发和部署。PyTorch 文档提供了关于该优化深度学习张量库的全面资源。它涵盖了稳定和不稳定功能、用户指南、API 参考以及用于 GPU 和 CPU 加速的开发者笔记，支持高效的模型开发和部署。

Keras 文档

AI 框架

Python 深度学习框架。它提供了一个高级 API，用于构建和训练神经网络。Keras 专注于实现快速实验和用户友好性，使其对研究人员和开发人员都易于访问。它支持各种后端以实现灵活性。Keras 是一个 Python 深度学习框架。它提供了一个高级 API，用于构建和训练神经网络。Keras 专注于实现快速实验和用户友好性，使其对研究人员和开发人员都易于访问。它支持各种后端以实现灵活性。

Caffe 深度学习框架

AI 框架

由 Berkeley AI Research 开发的一个深度学习框架，其核心在于表达性、速度和模块化。它允许用户通过配置文件定义模型和优化，无缝切换 CPU 和 GPU，并受益于快速发展的代码库和广泛的社区贡献。非常适合研究和部署。Caffe 是由 Berkeley AI Research 开发的一个深度学习框架，其核心在于表达性、速度和模块化。它允许用户通过配置文件定义模型和优化，无缝切换 CPU 和 GPU，并受益于快速发展的代码库和广泛的社区贡献。非常适合研究和部署。

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。

Intel® Neural Compressor

AI GitHub 仓库

开源 Python 库，提供适用于 PyTorch、TensorFlow 和 JAX 的流行模型压缩技术。它支持 LLM 和 VLM 的高级量化，可在各种 Intel 硬件和其他平台上通过广泛的测试进行性能优化。Intel® Neural Compressor 是一个开源 Python 库，提供适用于 PyTorch、TensorFlow 和 JAX 的流行模型压缩技术。它支持 LLM 和 VLM 的高级量化，可在各种 Intel 硬件和其他平台上通过广泛的测试进行性能优化。

提供了 OpenCV 库各种模块的全面文档。它作为开发人员理解和利用 OpenCV 为计算机视觉任务提供的广泛功能的中心资源。教程涵盖了主模块、附加模块和贡献模块，并提供 Python 和 JavaScript 示例。OpenCV 模块提供了 OpenCV 库各种模块的全面文档。它作为开发人员理解和利用 OpenCV 为计算机视觉任务提供的广泛功能的中心资源。教程涵盖了主模块、附加模块和贡献模块，并提供 Python 和 JavaScript 示例。

OpenVINO 工具包

AI 框架

开源工具包，用于在各种硬件上部署高性能 AI 解决方案。它使开发人员能够转换、优化和运行来自流行框架的生成式和传统 AI 模型进行推理，支持云、AI PC 和边缘设备的高效部署。OpenVINO 是一个开源工具包，用于在各种硬件上部署高性能 AI 解决方案。它使开发人员能够转换、优化和运行来自流行框架的生成式和传统 AI 模型进行推理，支持云、AI PC 和边缘设备的高效部署。

Gymnasium 文档

AI 框架

提供了一个标准的强化学习 API 和多样化的参考环境。它是 OpenAI Gym 库的一个维护分支，提供了一个简单、Pythonic 的接口，能够表示通用的 RL 问题。本文档涵盖了其核心功能和对 RL 从业者的使用方法。Gymnasium 提供了一个标准的强化学习 API 和多样化的参考环境。它是 OpenAI Gym 库的一个维护分支，提供了一个简单、Pythonic 的接口，能够表示通用的 RL 问题。本文档涵盖了其核心功能和对 RL 从业者的使用方法。

Stable-Baselines3

AI 框架

提供了基于 PyTorch 的可靠强化学习算法实现。它提供统一的结构、符合 PEP 8 的代码、详尽的文档和强大的测试。SB3 支持 TensorBoard、多进程，并能与各种库集成，是 RL 研究和开发的强大工具。Stable-Baselines3 (SB3) 提供了基于 PyTorch 的可靠强化学习算法实现。它提供统一的结构、符合 PEP 8 的代码、详尽的文档和强大的测试。SB3 支持 TensorBoard、多进程，并能与各种库集成，是 RL 研究和开发的强大工具。

TensorFlow Agents

AI 框架

TensorFlow 中用于强化学习的库。它通过提供模块化、可扩展的组件来简化新强化学习算法的设计、实现和测试，从而实现快速的代码迭代和稳健的测试。TensorFlow Agents 是 TensorFlow 中用于强化学习的库。它通过提供模块化、可扩展的组件来简化新强化学习算法的设计、实现和测试，从而实现快速的代码迭代和稳健的测试。

IBM Watson

AI 平台

IBM 的开创性企业 AI 品牌，以 2011 年在《危险边缘！》中击败人类冠军而闻名。IBM 的网站现在将 Watson 视为其当前 watsonx 产品组合的技术基础，涵盖生成 AI 和机器学习模型的构建与调优、企业数据、治理以及为商业提供的 AI 驱动助手。IBM Watson 是 IBM 的开创性企业 AI 品牌，以 2011 年在《危险边缘！》中击败人类冠军而闻名。IBM 的网站现在将 Watson 视为其当前 watsonx 产品组合的技术基础，涵盖生成 AI 和机器学习模型的构建与调优、企业数据、治理以及为商业提供的 AI 驱动助手。

SHAP AI 解释

AI 框架

基于博弈论的方法，用于解释机器学习模型的输出。它利用 Shapley 值将最优信用分配与局部解释联系起来，从而深入了解特征如何影响各种模型类型和数据模态的预测。SHAP (SHapley Additive exPlanations) 是一种基于博弈论的方法，用于解释机器学习模型的输出。它利用 Shapley 值将最优信用分配与局部解释联系起来，从而深入了解特征如何影响各种模型类型和数据模态的预测。

本地可解释模型无关解释 (LIME)

AI 框架

LIME 是一个 Python 包，用于生成机器学习模型预测的本地、可解释且模型无关的解释。它通过突出对结果贡献最大的特征来帮助理解模型为何做出特定决策，从而使复杂模型对用户更加透明和值得信赖。

AI Fairness 360

AI 框架

开源工具包，旨在帮助研究人员和开发人员检测、理解和缓解机器学习模型中不希望存在的偏见。它提供了一套全面的公平性指标和缓解算法，以促进公平的 AI 系统。AI Fairness 360 (AIF360) 是一个开源工具包，旨在帮助研究人员和开发人员检测、理解和缓解机器学习模型中不希望存在的偏见。它提供了一套全面的公平性指标和缓解算法，以促进公平的 AI 系统。

ONNX 文档

AI 框架

提供了其 1.23.0 版本的文档。内容涵盖核心概念、Python 集成、API 参考、版本控制、数据结构和算子。文档详细介绍了数据存储、安全性和后端实现指南以及实验性算子等技术方面。ONNX (Open Neural Network Exchange) 提供了其 1.23.0 版本的文档。内容涵盖核心概念、Python 集成、API 参考、版本控制、数据结构和算子。文档详细介绍了数据存储、安全性和后端实现指南以及实验性算子等技术方面。

MindSpore

AI 框架

提供了一套全面的 API，用于构建、训练和推理 AI 模型。它提供了框架基础、操作、神经网络层、参数初始化、混合精度、训练、并行处理、图编译、运行时、设备上下文、通信、数据集处理等接口。MindSpore 提供了一套全面的 API，用于构建、训练和推理 AI 模型。它提供了框架基础、操作、神经网络层、参数初始化、混合精度、训练、并行处理、图编译、运行时、设备上下文、通信、数据集处理等接口。

Vowpal Wabbit

AI 框架

Vowpal Wabbit 文档提供了其机器学习框架的全面资源。它包括 Python 绑定和 C++ 实现的生成文档，涵盖了各种版本。该网站还提供强化学习的文档，为开发人员和研究人员提供详细的指南。

LIBLINEAR

AI 框架

高性能的 C/C++ 库，用于大规模线性分类和回归。它能高效处理拥有数百万实例和特征的数据集，支持各种 L1 和 L2 正则化的分类器，如 SVM 和逻辑回归。它提供多类分类、交叉验证和概率估计功能，并支持 Python、MATLAB 等接口。LIBLINEAR 是一个高性能的 C/C++ 库，用于大规模线性分类和回归。它能高效处理拥有数百万实例和特征的数据集，支持各种 L1 和 L2 正则化的分类器，如 SVM 和逻辑回归。它提供多类分类、交叉验证和概率估计功能，并支持 Python、MATLAB 等接口。

Intel Gaudi 文档提供了 Intel Gaudi AI 加速器的全面资源，包括 Gaudi 2 和 Gaudi 3。它提供了模型迁移指南、代码示例、调试和优化最佳实践、API 参考以及有关软件安装和平台访问以进行训练和推理的详细信息。

Core ML

AI 框架

Apple 框架，允许开发者将机器学习模型直接集成到他们的应用程序中。它为模型提供统一的表示，支持设备端预测和训练。Core ML 通过利用 CPU、GPU 和神经网络引擎等设备硬件来优化性能，确保隐私和响应速度。Core ML 是一个 Apple 框架，允许开发者将机器学习模型直接集成到他们的应用程序中。它为模型提供统一的表示，支持设备端预测和训练。Core ML 通过利用 CPU、GPU 和神经网络引擎等设备硬件来优化性能，确保隐私和响应速度。

ML Kit

AI 框架

免费的 Android 和 iOS 移动 SDK，可将 Google 的机器学习专业知识集成到应用中。它提供易于使用的视觉和自然语言 API，用于设备端实时处理和离线功能，使开发者能够解决现实世界的问题。ML Kit 是一个免费的 Android 和 iOS 移动 SDK，可将 Google 的机器学习专业知识集成到应用中。它提供易于使用的视觉和自然语言 API，用于设备端实时处理和离线功能，使开发者能够解决现实世界的问题。

TensorFlow Extended (TFX)

AI 框架

谷歌生产级规模的机器学习平台。它提供了一个配置框架和共享库，用于集成定义、启动和监控机器学习系统的通用组件。TFX 能够构建和管理生产环境中的机器学习工作流，并在各种平台之间编排管道。TensorFlow Extended (TFX) 是一个谷歌生产级规模的机器学习平台。它提供了一个配置框架和共享库，用于集成定义、启动和监控机器学习系统的通用组件。TFX 能够构建和管理生产环境中的机器学习工作流，并在各种平台之间编排管道。

BigDL LLM

AI 框架

BigDL-LLM 是一个开源库，用于在 Intel XPU 硬件上运行大型语言模型 (LLM)，涵盖从笔记本电脑到云端 GPU 的各种设备。它支持 INT4/FP4/INT8/FP8 量化以实现低延迟推理，并为 PyTorch 模型提供全面的微调功能。

Dask-ML

AI 框架

提供 Python 中可扩展的机器学习，与 Scikit-Learn 和 XGBoost 等库集成。它通过利用 Dask 集合和估计器进行并行训练、预测和预处理，解决了超出 RAM 的大型模型和数据集的挑战。Dask-ML 提供 Python 中可扩展的机器学习，与 Scikit-Learn 和 XGBoost 等库集成。它通过利用 Dask 集合和估计器进行并行训练、预测和预处理，解决了超出 RAM 的大型模型和数据集的挑战。

AutoKeras

AI 框架

基于 Keras 的开源 AutoML 系统，旨在使机器学习更易于访问。它自动化了为您的数据寻找最佳神经网络架构和超参数的过程，从而简化了所有技能水平用户的模型开发。AutoKeras 是一个基于 Keras 的开源 AutoML 系统，旨在使机器学习更易于访问。它自动化了为您的数据寻找最佳神经网络架构和超参数的过程，从而简化了所有技能水平用户的模型开发。

自动化机器学习工具包，可作为 scikit-learn 估计器的即插即用替代品。它通过利用贝叶斯优化、元学习和集成构建来自动化算法选择和超参数调优。它现在支持文本特征，简化了用户的机器学习工作流程。auto-sklearn 是一个自动化机器学习工具包，可作为 scikit-learn 估计器的即插即用替代品。它通过利用贝叶斯优化、元学习和集成构建来自动化算法选择和超参数调优。它现在支持文本特征，简化了用户的机器学习工作流程。

基于 Python 的自动化机器学习工具，它使用遗传编程来优化机器学习管道。它充当数据科学助手，自动发现和优化复杂的模型配置，以提高各种分析任务的性能和效率。TPOT 是一个基于 Python 的自动化机器学习工具，它使用遗传编程来优化机器学习管道。它充当数据科学助手，自动发现和优化复杂的模型配置，以提高各种分析任务的性能和效率。

开源的低代码深度学习框架。它使用简单的 YAML 配置文件，使用户无需编写自定义代码即可构建、微调和部署文本、图像和 LLM 等各种数据类型的 AI 模型。Ludwig 是一个开源的低代码深度学习框架。它使用简单的 YAML 配置文件，使用户无需编写自定义代码即可构建、微调和部署文本、图像和 LLM 等各种数据类型的 AI 模型。

GluonCV 工具包

AI 框架

开源计算机视觉工具包，提供最先进的深度学习算法。它拥有一个庞大的模型库，包含超过 170 个预训练模型，灵活的 API 和易于理解的实现，旨在加速研究人员、工程师和学生的原型开发和学习。GluonCV 是一个开源计算机视觉工具包，提供最先进的深度学习算法。它拥有一个庞大的模型库，包含超过 170 个预训练模型，灵活的 API 和易于理解的实现，旨在加速研究人员、工程师和学生的原型开发和学习。

DeepDetect

AI 框架

专为深度学习模型部署和管理设计的 AI 框架。它简化了服务机器学习模型的过程，使开发人员能够高效地将 AI 功能集成到他们的应用程序中。该平台专注于提供一个强大的后端，用于实时推理和模型监控。DeepDetect 是一个专为深度学习模型部署和管理设计的 AI 框架。它简化了服务机器学习模型的过程，使开发人员能够高效地将 AI 功能集成到他们的应用程序中。该平台专注于提供一个强大的后端，用于实时推理和模型监控。

用 Java 编写的开源神经网络框架。它简化了各种应用中人工神经网络的开发和实现。该框架提供了用户友好的 API 和工具，用于设计、训练和测试神经网络，使其对初学者和经验丰富的开发人员都易于使用。Neuroph 是一个用 Java 编写的开源神经网络框架。它简化了各种应用中人工神经网络的开发和实现。该框架提供了用户友好的 API 和工具，用于设计、训练和测试神经网络，使其对初学者和经验丰富的开发人员都易于使用。

Seldon Core 2

AI 框架

原生于 Kubernetes 的框架，用于大规模部署和管理机器学习 (ML) 和大型语言模型 (LLM) 系统。它提供了一个灵活的、模块化的架构，适用于本地、混合和多云环境，确保 MLOps 和 LLMOps 的标准化、增强的可观测性和成本效益。Seldon Core 2 是一个原生于 Kubernetes 的框架，用于大规模部署和管理机器学习 (ML) 和大型语言模型 (LLM) 系统。它提供了一个灵活的、模块化的架构，适用于本地、混合和多云环境，确保 MLOps 和 LLMOps 的标准化、增强的可观测性和成本效益。

Adala

AI GitHub 仓库

自主数据标注代理框架，使 AI 工程师、研究人员和数据科学家能够构建和部署智能代理。这些代理通过迭代过程独立学习，并受其环境和反思的影响，使其在多样化的数据处理和标注任务中可靠且可控。Adala 是一个自主数据标注代理框架，使 AI 工程师、研究人员和数据科学家能够构建和部署智能代理。这些代理通过迭代过程独立学习，并受其环境和反思的影响，使其在多样化的数据处理和标注任务中可靠且可控。

LLaVA

AI GitHub 仓库

视觉指令调优模型，结合了大型语言和视觉能力。其目标是达到 GPT-4V 级别的性能，实现多模态理解和交互。该项目为研究人员和开发者提供了代码、模型和资源。LLaVA 是一个视觉指令调优模型，结合了大型语言和视觉能力。其目标是达到 GPT-4V 级别的性能，实现多模态理解和交互。该项目为研究人员和开发者提供了代码、模型和资源。

Kandinsky 2

AI GitHub 仓库

多语言文本到图像的潜在扩散模型。它提供高级的图像生成功能，包括文本到图像、图像到图像和图像修复。该模型支持 ControlNet 以增强图像生成控制，并利用强大的编码器来改进对文本和图像的理解，从而产生更具美感的输出。Kandinsky 2 是一个多语言文本到图像的潜在扩散模型。它提供高级的图像生成功能，包括文本到图像、图像到图像和图像修复。该模型支持 ControlNet 以增强图像生成控制，并利用强大的编码器来改进对文本和图像的理解，从而产生更具美感的输出。

V-JEPA

AI GitHub 仓库

用于从视频中进行自监督学习的 PyTorch 实现。它利用联合嵌入预测架构，在没有人类标注或像素级重建的情况下学习视觉表示。该代码和模型专为通用的下游视频和图像任务而设计。V-JEPA 是一个用于从视频中进行自监督学习的 PyTorch 实现。它利用联合嵌入预测架构，在没有人类标注或像素级重建的情况下学习视觉表示。该代码和模型专为通用的下游视频和图像任务而设计。

StableLM

AI GitHub 仓库

Stability AI 开发的开源语言模型系列。此 GitHub 仓库托管着持续的开发工作，提供了对 StableLM-3B-4E1T 和 StableLM-Alpha v2 等各种检查点的访问。它旨在供研究人员和开发人员探索和构建先进的 AI 语言能力。StableLM 是 Stability AI 开发的开源语言模型系列。此 GitHub 仓库托管着持续的开发工作，提供了对 StableLM-3B-4E1T 和 StableLM-Alpha v2 等各种检查点的访问。它旨在供研究人员和开发人员探索和构建先进的 AI 语言能力。

MiniGPT-4 & MiniGPT-v2

AI GitHub 仓库

MiniGPT-4 和 MiniGPT-v2 的开源代码，先进的大型语言模型，增强视觉-语言理解能力。这些模型支持视觉-语言任务的多任务学习，提供图像理解和生成能力。它们基于 Llama 2 和 Vicuna 模型构建，为研究人员和开发人员提供了强大的工具。

OpenManus-RL

AI GitHub 仓库

专注于大型语言模型 (LLM) 智能体强化学习 (RL) 微调的直播开发开源项目。它旨在探索基于 RL 的 LLM 智能体微调新范式，动态分享进展和结果。该项目欢迎社区贡献，以推进智能体的推理和工具集成能力。OpenManus-RL 是一个专注于大型语言模型 (LLM) 智能体强化学习 (RL) 微调的直播开发开源项目。它旨在探索基于 RL 的 LLM 智能体微调新范式，动态分享进展和结果。该项目欢迎社区贡献，以推进智能体的推理和工具集成能力。

Stable-DreamFusion

AI GitHub 仓库

文本到 3D 模型 DreamFusion 的 PyTorch 实现，利用 Stable Diffusion 进行 3D 内容生成。它支持文本到 3D、图像到 3D 和网格导出，通过 NeRF 和 Diffusion 技术提供灵活性。该项目使用户能够从各种输入创建 3D 资产。Stable-DreamFusion 是文本到 3D 模型 DreamFusion 的 PyTorch 实现，利用 Stable Diffusion 进行 3D 内容生成。它支持文本到 3D、图像到 3D 和网格导出，通过 NeRF 和 Diffusion 技术提供灵活性。该项目使用户能够从各种输入创建 3D 资产。

机器学习精通

AI 应用

全面的资源，旨在帮助开发者提升他们在机器学习方面的技能。由杰森·布朗利博士创立，提供教程、电子书和指南，帮助用户理解复杂主题并加速他们的项目。机器学习精通是一个全面的资源，旨在帮助开发者提升他们在机器学习方面的技能。由杰森·布朗利博士创立，提供教程、电子书和指南，帮助用户理解复杂主题并加速他们的项目。

GreenNode AI Cloud

AI 应用

提供主权、高性能的 AI 云基础设施，专为东南亚设计。它确保数据驻留在越南和泰国境内，为企业提供安全、合规且可扩展的解决方案，以大规模构建、创新和部署 AI 工作负载。GreenNode 提供主权、高性能的 AI 云基础设施，专为东南亚设计。它确保数据驻留在越南和泰国境内，为企业提供安全、合规且可扩展的解决方案，以大规模构建、创新和部署 AI 工作负载。

Cirrascale 私有 AI 云

AI 应用

提供私有 AI 云，用于训练和推理，支持 NVIDIA、AMD 和 Qualcomm 等多种加速器。它具有高带宽网络、无出口费用和托管服务，为企业和研究机构提供安全高效的 AI 工作流。Cirrascale 提供私有 AI 云，用于训练和推理，支持 NVIDIA、AMD 和 Qualcomm 等多种加速器。它具有高带宽网络、无出口费用和托管服务，为企业和研究机构提供安全高效的 AI 工作流。

ShareLM Chrome 扩展

浏览器插件

Chrome 扩展程序，旨在帮助用户轻松地将其与大型语言模型的聊天对话贡献给一个开源数据集。它自动化了这些交互的收集和上传过程，为 AI 社区构建了一个宝贵的资源。该扩展旨在建立一个不断增长的聊天机器人对话集。ShareLM 是一款 Chrome 扩展程序，旨在帮助用户轻松地将其与大型语言模型的聊天对话贡献给一个开源数据集。它自动化了这些交互的收集和上传过程，为 AI 社区构建了一个宝贵的资源。该扩展旨在建立一个不断增长的聊天机器人对话集。

GPUX

AI 应用

提供 AI 模型无服务器 GPU 推理，支持快速部署和执行机器学习工作负载。它提供快速冷启动，支持 Stable Diffusion XL 和 Whisper 等多种 AI 模型，并允许用户运行推理或在私有模型上出售请求，使 AI 更加易于访问和高效。GPUX 提供 AI 模型无服务器 GPU 推理，支持快速部署和执行机器学习工作负载。它提供快速冷启动，支持 Stable Diffusion XL 和 Whisper 等多种 AI 模型，并允许用户运行推理或在私有模型上出售请求，使 AI 更加易于访问和高效。

Dynamiq: GenAI 操作系统平台

AI 应用

用于构建、部署和监控本地生成式 AI 应用程序的操作系统平台。它通过快速原型设计、测试、部署和微调来简化开发，所有这些都在您自己的基础设施内完成。通过安全、可控的 AI 降低成本、增加收入并提高竞争力。Dynamiq 是一个用于构建、部署和监控本地生成式 AI 应用程序的操作系统平台。它通过快速原型设计、测试、部署和微调来简化开发，所有这些都在您自己的基础设施内完成。通过安全、可控的 AI 降低成本、增加收入并提高竞争力。

AIMLAPI.com

AI 应用

通过单一 API 访问超过 600 个 AI 模型，包括 GPT-5.5、Claude Opus 4.7 和 Gemini 3.5。该平台提供经济高效的解决方案，与直接提供商相比，可节省高达 80% 的成本。它具有无 token 限制、免费的 Playground 以及与流行代理的兼容性，可实现无缝集成。

Flyte AI Orchestration

AI 应用

#88

开源平台，用于编排复杂的 AI 和 ML 工作流。它使开发人员能够使用纯 Python 构建动态、有弹性且感知基础设施的管道，从而为 AI 应用实现本地测试和可扩展的生产部署。Flyte 是一个开源平台，用于编排复杂的 AI 和 ML 工作流。它使开发人员能够使用纯 Python 构建动态、有弹性且感知基础设施的管道，从而为 AI 应用实现本地测试和可扩展的生产部署。

Kie.ai API

AI 应用

提供统一的 API，可访问超过 100 种领先的视频、图像、音频和 LLM 生成 AI 模型。它提供稳定的性能、透明的定价以及比官方 API 显著的成本节省，是构建 AI 原生应用的开发者的理想选择。Kie.ai 提供统一的 API，可访问超过 100 种领先的视频、图像、音频和 LLM 生成 AI 模型。它提供稳定的性能、透明的定价以及比官方 API 显著的成本节省，是构建 AI 原生应用的开发者的理想选择。

Smartbird AI Infrastructure

AI 应用

提供专用的 AI 基础设施作为托管服务。它提供了拥有基础设施的性能、控制和可扩展性，而无需资本投资和运营复杂性。他们构建、部署和运营基础设施，让用户可以专注于其 AI 工作负载。Smartbird 提供专用的 AI 基础设施作为托管服务。它提供了拥有基础设施的性能、控制和可扩展性，而无需资本投资和运营复杂性。他们构建、部署和运营基础设施，让用户可以专注于其 AI 工作负载。

Zilliz

AI 应用

完全托管的向量数据库，基于开源的 Milvus，提供十亿规模的向量搜索、混合搜索和 AI 数据操作，支持在 AWS、Google Cloud 和 Azure 上构建 RAG 和 AI 应用程序。Zilliz 是一个完全托管的向量数据库，基于开源的 Milvus，提供十亿规模的向量搜索、混合搜索和 AI 数据操作，支持在 AWS、Google Cloud 和 Azure 上构建 RAG 和 AI 应用程序。

Runware

AI 应用

生成性 AI 推理平台，提供统一的 API 用于图像、视频、音频、3D、LLM 和视觉模型。它提供超过 40 万个模型，管理基础设施，并基于使用量定价，构建在自定义推理引擎之上。Runware 是一个生成性 AI 推理平台，提供统一的 API 用于图像、视频、音频、3D、LLM 和视觉模型。它提供超过 40 万个模型，管理基础设施，并基于使用量定价，构建在自定义推理引擎之上。

deAPI

AI 应用

统一的 API，适用于开源生成 AI 模型，涵盖图像生成、文本转语音、转录等功能。请求通过去中心化的 GPU 云运行，提供低成本的推理，无需管理硬件。deAPI 是一个统一的 API，适用于开源生成 AI 模型，涵盖图像生成、文本转语音、转录等功能。请求通过去中心化的 GPU 云运行，提供低成本的推理，无需管理硬件。

浏览器云

AI 应用

来自 TestMu AI 的可扩展浏览器基础设施，为 AI 代理提供真实的 Chrome，具备内置隐身模式、会话持久性、地域代理和全面可观察性。

Morph

AI 应用

一个为编码代理构建的推理平台，提供快速的前沿模型以及用于代码搜索、应用编辑、上下文压缩和监控的专业模型，通过一个兼容OpenAI的API进行操作。

统一的 AI API 平台，提供超过 500 个 AI 模型的访问，包括 GPT-5 和 Claude。它提供透明的定价，没有隐藏费用，使开发者能够轻松将 AI 功能集成到他们的应用程序中。APIMart 是一个统一的 AI API 平台，提供超过 500 个 AI 模型的访问，包括 GPT-5 和 Claude。它提供透明的定价，没有隐藏费用，使开发者能够轻松将 AI 功能集成到他们的应用程序中。