Project Icon

Hypernets

自动机器学习通用框架 支持多种算法与优化技术

Hypernets作为一个通用AutoML框架,能够为多种机器学习框架和库提供自动优化工具。它不仅支持TensorFlow、Keras、PyTorch等深度学习框架,还兼容scikit-learn、LightGBM、XGBoost等机器学习库。该框架集成了多种先进的单目标和多目标优化算法,并引入抽象搜索空间表示,满足超参数优化和神经架构搜索的需求,从而适应各类自动机器学习场景。

deephyper - 自动化机器学习任务的开源优化框架
DeepHyperGithub开源项目机器学习自动化深度集成神经架构搜索超参数优化
DeepHyper是一个专注于自动化机器学习任务的Python开源框架。它提供了超参数优化、神经网络架构搜索和深度集成不确定性量化等功能。支持单机和分布式环境,适用于多种场景。DeepHyper简化了机器学习工作流程,为研究人员和开发者提供了强大的工具。项目包含详细文档、快速入门指南和活跃的社区支持,方便用户快速上手和深入使用。
hyperopt - Python库Hyperopt助力机器学习超参数优化
GithubHyperoptPython库分布式计算开源项目机器学习超参数优化
Hyperopt是一个强大的Python库,专门用于复杂搜索空间中的超参数优化。它支持实值、离散和条件维度,提供随机搜索、TPE等多种算法。通过Apache Spark和MongoDB实现并行化,Hyperopt能够显著提高机器学习模型的调优效率。作为开源项目,它为机器学习领域提供了高效的超参数优化解决方案,正在被广泛应用于加速模型开发和性能优化。
HyperTS - 全面的时间序列分析工具包 支持多任务和多模式分析
GithubHyperTS开源项目异常检测时间序列分析自动机器学习预测
HyperTS是一款全面的时间序列分析工具包,集成了统计模型、深度学习和神经架构搜索。它支持预测、分类、回归和异常检测等多种任务,适用于复杂的时间序列分析场景。该工具包提供多变量和协变量支持,概率区间预测,以及丰富的预处理、评估指标和搜索策略。HyperTS简单易用,为时间序列分析提供了端到端的自动化解决方案。
optuna - 自动化机器学习超参数优化框架
GithubOptunaPython开源框架开源项目机器学习超参数优化
Optuna是一个面向机器学习的开源超参数优化框架。它采用define-by-run风格API,特点是轻量级、通用性强和平台无关。Optuna支持Python式搜索空间定义、高效优化算法、易于并行化和快速可视化。框架可处理多目标优化、约束优化和分布式优化等任务,适用于Python 3.7+版本,并集成多个第三方库。
Neuralhub - 一体化神经网络开发与协作环境
AI工具AI研究Neuralhub协作平台深度学习神经网络
Neuralhub是面向AI爱好者、研究人员和工程师的一站式深度学习平台。它提供简化的神经网络开发环境,集成了从头构建网络的工具、丰富的预设组件库和高质量预训练模型。作为人工智能创新中心,Neuralhub不仅支持实验和技术突破,还培育了活跃的知识共享与协作社区。通过整合先进工具、前沿研究成果和海量模型资源,Neuralhub致力于让AI研究、学习和开发更加便捷高效,推动深度学习技术的普及与进步。
horovod - 分布式深度学习训练框架,支持TensorFlow, Keras, PyTorch和MXNet
GithubHorovodPyTorchTensorFlow分布式深度学习开源项目性能优化
Horovod是一个分布式深度学习训练框架,提供对TensorFlow, Keras, PyTorch, Apache MXNet的支持。它优化了多GPU并行训练的过程,使得在多GPU上进行训练既快速又简单,无需重大代码修改。Horovod展示了高达90%的扩展效率,适合大规模深度学习应用,同时兼容NCCL和Gloo等高效的集合通信库,确保在各种环境下的高效运行。
hbox - 高效的AI和大数据调度平台,支持多种深度学习框架
GithubHadoop YarnHbox人工智能大数据开源项目深度学习框架
Hbox是一个高效的调度平台,结合了大数据和人工智能技术。支持多种机器学习和深度学习框架,如TensorFlow、MXNet、PyTorch等,并运行在Hadoop Yarn上。平台支持GPU资源调度、Docker容器化和RESTful API接口管理,具备良好的扩展性和兼容性。Hbox还提供统一的数据管理和可视化界面,适用于分布式计算和模型训练。
keras-tuner - 兼具易用性和可扩展性的超参数优化工具
GithubKerasTunerPython 3.8+TensorFlow 2.0+开源项目机器学习模型超参数优化
KerasTuner是一个便捷且可扩展的超参数优化工具,可以有效解决超参数搜索过程中遇到的问题。用户可以通过define-by-run语法轻松配置搜索空间,并使用贝叶斯优化、Hyperband和随机搜索算法找到模型的最佳参数值。该工具对研究人员十分友好,便于进行新搜索算法的实验。KerasTuner适用于Python 3.8+和TensorFlow 2.0+,并提供详细的开发者指南和API参考文档。
nni - 可自动执行特征工程、神经架构搜索、超参数调优和深度学习的模型压缩
GithubNNI开源项目架构搜索模型压缩神经网络智能优化超参数调整
NNI提供一站式解决方案,支持自动化的特征工程、神经架构搜索、超参数调整和模型压缩。它兼容多种框架,并提供详尽的API、丰富的示例及全面的教程。适用于多种训练环境,包括本地、远程SSH服务器和Kubernetes,帮助推动开源社区的技术发展。
corenet - 用于训练多任务深度神经网络的工具库
CoreNetGithub开源项目模型训练深度学习神经网络计算机视觉
CoreNet是一款多功能深度神经网络工具库,支持训练各种规模的标准和创新模型。它适用于基础模型、计算机视觉和自然语言处理等多个领域。该项目提供可复现的训练方案、预训练模型权重和针对Apple Silicon优化的MLX示例,有助于推动AI研究和应用的发展。
项目侧边栏1项目侧边栏2
推荐项目
Project Cover

豆包MarsCode

豆包 MarsCode 是一款革命性的编程助手,通过AI技术提供代码补全、单测生成、代码解释和智能问答等功能,支持100+编程语言,与主流编辑器无缝集成,显著提升开发效率和代码质量。

Project Cover

问小白

问小白是一个基于 DeepSeek R1 模型的智能对话平台,专为用户提供高效、贴心的对话体验。实时在线,支持深度思考和联网搜索。免费不限次数,帮用户写作、创作、分析和规划,各种任务随时完成!

Project Cover

白日梦AI

白日梦AI提供专注于AI视频生成的多样化功能,包括文生视频、动态画面和形象生成等,帮助用户快速上手,创造专业级内容。

Project Cover

有言AI

有言平台提供一站式AIGC视频创作解决方案,通过智能技术简化视频制作流程。无论是企业宣传还是个人分享,有言都能帮助用户快速、轻松地制作出专业级别的视频内容。

Project Cover

讯飞绘镜

讯飞绘镜是一个支持从创意到完整视频创作的智能平台,用户可以快速生成视频素材并创作独特的音乐视频和故事。平台提供多样化的主题和精选作品,帮助用户探索创意灵感。

Project Cover

讯飞文书

讯飞文书依托讯飞星火大模型,为文书写作者提供从素材筹备到稿件撰写及审稿的全程支持。通过录音智记和以稿写稿等功能,满足事务性工作的高频需求,帮助撰稿人节省精力,提高效率,优化工作与生活。

Project Cover

阿里绘蛙

绘蛙是阿里巴巴集团推出的革命性AI电商营销平台。利用尖端人工智能技术,为商家提供一键生成商品图和营销文案的服务,显著提升内容创作效率和营销效果。适用于淘宝、天猫等电商平台,让商品第一时间被种草。

Project Cover

Trae

Trae是一种自适应的集成开发环境(IDE),通过自动化和多元协作改变开发流程。利用Trae,团队能够更快速、精确地编写和部署代码,从而提高编程效率和项目交付速度。Trae具备上下文感知和代码自动完成功能,是提升开发效率的理想工具。

Project Cover

AIWritePaper论文写作

AIWritePaper论文写作是一站式AI论文写作辅助工具,简化了选题、文献检索至论文撰写的整个过程。通过简单设定,平台可快速生成高质量论文大纲和全文,配合图表、参考文献等一应俱全,同时提供开题报告和答辩PPT等增值服务,保障数据安全,有效提升写作效率和论文质量。

投诉举报邮箱: service@vectorlightyear.com
@2024 懂AI·鲁ICP备2024100362号-6·鲁公网安备37021002001498号