Project Icon

keras

多后端支持的深度学习框架,兼容JAX、TensorFlow和PyTorch

Keras 3 提供高效的模型开发,支持计算机视觉、自然语言处理等任务。选择最快的后端(如JAX),性能提升高达350%。无缝扩展,从本地到大规模集群,适合企业和初创团队。安装简单,支持GPU,兼容tf.keras代码,避免框架锁定。

keras-nlp - 兼容多框架的自然语言处理工具和预训练模型
GithubJAXKerasNLPPyTorchTensorFlow开源项目自然语言处理
KerasNLP 是一个兼容 TensorFlow、JAX 和 PyTorch 的自然语言处理库,提供预训练模型和低级模块。基于 Keras 3,支持 GPU 和 TPU 的微调,并可跨框架训练和序列化。设置 KERAS_BACKEND 环境变量即可切换框架,安装方便,立即体验强大 NLP 功能。
keras-core - 深度学习框架的多后端革新
GithubKeras多后端开源项目框架迁移深度学习
Keras Core 项目正在发展为 Keras 3,并已迁移至 keras-team/keras 仓库。这个多后端 Keras 框架经历了初始开发和公开测试阶段,即将以 Keras 3 的身份推出。项目保留了原有贡献者的工作,为深度学习开发提供了更灵活的后端选择。Keras 3 旨在实现跨平台的一致性体验,代表了 Keras 生态系统的重要演进。
keras-cv - 跨框架模块化计算机视觉工具集
GithubKerasKerasCV开源项目模型训练深度学习计算机视觉
keras-cv 是基于 Keras 3 的模块化计算机视觉库,兼容 TensorFlow、JAX 和 PyTorch。它为数据增强、分类、目标检测等视觉任务提供高级组件,支持跨框架迁移,并包含预训练模型。该库旨在帮助开发者高效构建生产级计算机视觉应用。
keras3 - R语言高级神经网络接口 快速构建深度学习模型
APIGithubKerasR语言开源项目深度学习神经网络
keras3是R语言的高级神经网络接口,专注于快速实验和构建深度学习模型。它支持CPU和GPU无缝运行,提供用户友好的API。项目内置支持卷积网络和循环网络,支持多种网络架构。keras3适用于构建各类深度学习模型,帮助研究人员快速将想法转化为结果。
jax - 高性能科学计算和机器学习的Python加速库
GPU加速GithubJAXXLA开源项目神经网络自动微分
JAX是一个专为高性能数值计算和大规模机器学习设计的Python库。它利用XLA编译器实现加速器导向的数组计算和程序转换,支持自动微分、GPU和TPU加速。JAX提供jit、vmap和pmap等函数转换工具,让研究人员能够方便地表达复杂算法并获得出色性能,同时保持Python的灵活性。
TensorLayerX - 兼容多后端的AI框架,支持深度学习开发
AI框架GithubTensorLayerX多后端开源项目模型部署深度学习
TensorLayerX是一款支持多种后端(如TensorFlow、PyTorch、MindSpore、PaddlePaddle)的AI框架,允许用户在不同硬件上运行代码。该项目由北京大学、鹏城实验室、香港科技大学、帝国理工学院、普林斯顿大学、牛津大学、斯坦福大学、清华大学和爱丁堡大学的研究员维护,具备高度兼容性、丰富的模型库和便捷的部署能力,为深度学习开发者提供支持。
autokeras - 机器学习自动化工具,简化图像分类任务
AutoKerasAutoMLGithubPython开源项目机器学习深度学习
AutoKeras是由德州农工大学DATA实验室开发的开源项目,旨在简化机器学习流程。通过Keras的AutoML系统,用户能够轻松完成图像分类等任务。支持Python 3.7及以上版本和TensorFlow 2.8.0及以上版本,安装方便,只需使用pip命令。提供详细的官方教程和相关书籍资源,社区鼓励贡献和参与。
axlearn - 支持构建大规模深度学习模型的高效工具库
AXLearnGithubJAXXLA开源项目机器学习深度学习
AXLearn是一个基于JAX和XLA的深度学习库,支持大规模模型的构建、迭代和维护。该库允许用户通过配置系统从可重用模块中组合模型,并兼容Flax和Hugging Face transformers等库。AXLearn能够高效地在众多加速器上训练数百亿参数的模型,涵盖自然语言处理、计算机视觉和语音识别等领域,还支持在公共云上运行并提供作业和数据管理工具。了解更多详情,请参阅其核心组件和设计文档。
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。
visualkeras - 直观展示Keras和TensorFlow神经网络架构的Python可视化库
GithubKerasPython包TensorFlowvisualkeras开源项目神经网络可视化
visualkeras是一个用于可视化Keras和TensorFlow神经网络架构的Python库。它支持分层和图形两种架构生成样式,适用于CNN和前馈网络等多种模型。该库提供灵活的样式定制选项,包括生成图例、自定义颜色映射和隐藏特定层。用户可以通过多种参数控制图层间距、缩放和维度显示。visualkeras为神经网络架构的可视化提供了简单而功能丰富的解决方案,适用于研究和教育等多种场景。
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

稿定AI

稿定设计 是一个多功能的在线设计和创意平台,提供广泛的设计工具和资源,以满足不同用户的需求。从专业的图形设计师到普通用户,无论是进行图片处理、智能抠图、H5页面制作还是视频剪辑,稿定设计都能提供简单、高效的解决方案。该平台以其用户友好的界面和强大的功能集合,帮助用户轻松实现创意设计。

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