Project Icon

Deep-Learning-in-Production

将PyTorch、TensorFlow、Keras和MXNet等深度学习模型部署至生产环境的介绍

项目详细介绍了如何将PyTorch、TensorFlow、Keras和MXNet等深度学习模型部署至生产环境,包括模型转换、API集成、服务器运作及跨框架策略。这一资源库提供实际细节和案例,帮助开发者全面了解部署流程,并通过Flask、C++、Go等多种技术实现模型应用。

hands-on-ml-zh - Sklearn和TensorFlow机器学习指南
GithubPythonSklearnTensorFlow开源项目数据分析机器学习
本指南详细介绍了如何使用Sklearn和TensorFlow进行机器学习,包括在线阅读、Docker镜像、PYPI包和NPM包的多种下载方式,并提供了完整的编译和安装步骤。通过该指南,读者能够学习和掌握数据分析及机器学习的实用技能。
deep-learning-for-image-processing - 涵盖使用Pytorch和Tensorflow进行网络结构搭建和训练的介绍深度学习在图像处理中的应用的教程
GithubPytorchTensorflow图像分类图像处理开源项目深度学习
本教程介绍深度学习在图像处理中的应用,涵盖使用Pytorch和Tensorflow进行网络结构搭建和训练。课程内容包括图像分类、目标检测、语义分割、实例分割和关键点检测,适合研究生和深度学习爱好者。所有PPT和源码均可下载,助力学习和研究。
model_server - 高性能AI模型部署系统 支持多框架和多设备
AI部署GithubOpenVINO Model Server开源项目微服务架构模型推理模型管理
OpenVINO Model Server是一个高性能AI模型部署系统,针对Intel架构优化。支持TensorFlow、PaddlePaddle和ONNX等多种框架,可在不同AI加速器上运行。系统通过gRPC和REST API提供服务,具备模型版本控制、动态输入和DAG调度等功能。适用于边缘计算和云环境,可提高资源利用率和推理效率。该系统还支持Python代码执行、gRPC流式传输和MediaPipe图形服务。OpenVINO Model Server适合微服务架构应用和Kubernetes环境部署,可实现水平和垂直推理扩展。
practicalAI-cn - PyTorch与Google Colab下的机器学习与深度学习实践
GithubGoogle ColabPyTorchpracticalAI开源项目机器学习深度学习
通过practicalAI-cn项目,任何水平的学习者都可以从基础到进阶掌握机器学习与深度学习技能。项目使用PyTorch实现核心算法,并提供多种notebooks,涵盖线性回归、卷积神经网络等多种模型。无需复杂的环境设置,可通过Google Colab直接运行,进行产品级的面向对象编程学习,助力从数据中获取有价值的见解。
machine-learning-list - 机器学习入门与语言模型学习指南
ElicitGithub开源项目机器学习深度学习生产部署语言模型
这个指南旨在帮助员工掌握机器学习,尤其是语言模型的知识。内容涵盖从基础到高级,通过推荐阅读的论文和资源,了解生产部署与长期扩展的重要技术和方法。
tuning_playbook - 深度学习模型性能调优指南
Github优化器开源项目批量大小模型性能深度学习超参数调优
该项目提供深度学习模型调优的全面指南,涵盖项目启动、架构选择、优化器配置、批量大小设置等关键环节。它介绍了科学的性能提升方法,以及训练流程优化和实验追踪等实用技巧,旨在帮助提高深度学习模型的性能。
cv_note - 分享计算机视觉和模型压缩部署技术栈笔记
CVGithub开源项目机器学习深度学习算法工程师计算机视觉
这个开源项目详细记录了计算机视觉算法工程师的成长路径,从基础编程知识到深度学习,再到模型部署。项目还提供了算法实习内推表、校招可投递公司汇总及技术栈笔记等实用资源,涵盖了编程开发、机器学习、图像识别、模型压缩等关键技术点,适合希望系统提升技术水平的工程师。
Daily-DeepLearning - 全面计算机基础、Python应用、数据科学及机器学习指南
GithubPython开源项目操作系统数据结构机器学习深度学习
提供丰富的计算机科学教育资源,涵盖数据结构、操作系统、计算机网络等基础课程。Python和数据科学部分包括numpy、pandas、matplotlib等流行库的使用教程。机器学习和深度学习部分涉及逻辑回归、集成学习、RNN、CNN等理论及实践内容,适合初学者及进阶学习者掌握计算机科学与人工智能技术。
mmdeploy - 多平台支持的深度学习模型部署工具集与推理框架
AI模型GithubMMDeployOpenMMLab开源项目模型部署深度学习
MMDeploy是一个开源的深度学习模型部署工具,支持OpenMMLab的各类模型库。该工具集成了多种推理后端,兼容Linux、Windows、macOS和Android等操作系统。提供灵活可扩展的C/C++ SDK框架,支持模型转换、配置编写、性能剖析和量化。详尽文档指导简化了模型部署过程,使其更加高效。
Dive-into-DL-PyTorch - PyTorch实现与教程
项目将《动手学深度学习》原书的MXNet代码实现改为PyTorch,适合对深度学习感兴趣并希望使用PyTorch的用户。无需深度学习或机器学习背景,只需基础数学和编程知识。项目包含Jupyter Notebook代码和Markdown文档,通过Docsify部署,方便在线或本地浏览和运行。
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

AI写歌

Suno AI是一个革命性的AI音乐创作平台,能在短短30秒内帮助用户创作出一首完整的歌曲。无论是寻找创作灵感还是需要快速制作音乐,Suno AI都是音乐爱好者和专业人士的理想选择。

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

Kimi

Kimi AI助手提供多语言对话支持,能够阅读和理解用户上传的文件内容,解析网页信息,并结合搜索结果为用户提供详尽的答案。无论是日常咨询还是专业问题,Kimi都能以友好、专业的方式提供帮助。

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

吐司

探索Tensor.Art平台的独特AI模型,免费访问各种图像生成与AI训练工具,从Stable Diffusion等基础模型开始,轻松实现创新图像生成。体验前沿的AI技术,推动个人和企业的创新发展。

Project Cover

SubCat字幕猫

SubCat字幕猫APP是一款创新的视频播放器,它将改变您观看视频的方式!SubCat结合了先进的人工智能技术,为您提供即时视频字幕翻译,无论是本地视频还是网络流媒体,让您轻松享受各种语言的内容。

Project Cover

美间AI

美间AI创意设计平台,利用前沿AI技术,为设计师和营销人员提供一站式设计解决方案。从智能海报到3D效果图,再到文案生成,美间让创意设计更简单、更高效。

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