Project Icon

traceml

机器学习数据追踪与可视化工具,支持多种深度学习框架

TraceML 是一款强大的工具,用于机器学习和数据的追踪、可视化、解释和漂移检测。它与 Keras、PyTorch、TensorFlow、Fastai、Pytorch Lightning 和 HuggingFace 等多种深度学习和机器学习框架集成,方便用户记录和跟踪实验数据。TraceML 支持离线模式、多种数据可视化接口,并能生成详细的数据框架总结。

SynapseML - 简化大规模机器学习管道的开源工具
Apache SparkGithubSynapseML开源项目异常检测文本分析机器学习
SynapseML是一个开源库,旨在简化大规模机器学习管道的创建。它提供简单、可组合和分布式的API,支持文本分析、视觉处理、异常检测等多种任务。基于Apache Spark,SynapseML与SparkML/MLLib共享相同的API,能够无缝集成到现有的Spark工作流中。该库支持Python、R、Scala、Java和.NET,适用于各种数据库和云数据存储,助力构建智能系统。
ManimML - 机器学习概念动画可视化工具
GithubManimML动画可视化开源项目机器学习神经网络
ManimML是基于Manim社区库开发的开源项目,旨在为机器学习概念提供动画和可视化。该工具提供了丰富的基础可视化组件,可以轻松创建复杂机器学习概念的视频演示。ManimML支持可视化前馈神经网络、卷积神经网络、最大池化和激活函数等,并能生成前向传播动画。通过提供高级抽象,ManimML让用户能专注于内容解释而非编程细节,是机器学习教育和交流的实用工具。
torchexplorer - 交互式PyTorch模型结构和训练过程可视化工具
GithubPyTorchTorchExplorer可视化工具开源项目模型调试神经网络
TorchExplorer是一个用于PyTorch模型可视化的开源工具,支持交互式检查网络中各nn.Module的输入、输出、参数和梯度。它可与Weights & Biases集成或独立运行,提供模型结构可视化、中间张量查看等功能。TorchExplorer有助于深入理解神经网络内部机制,简化复杂模型的调试和优化过程。
Transformer_Tracking - 视觉追踪中Transformer应用的全面综述和前沿动态
GithubTransformer开源项目深度学习目标检测视觉跟踪计算机视觉
本项目汇总了Transformer在视觉追踪领域的应用进展,包括统一追踪、单目标追踪和3D单目标追踪等方向。内容涵盖最新研究论文、技术趋势分析、基准测试结果以及学习资源,为相关研究人员和从业者提供全面的参考信息。重点关注自回归时序建模、联合特征提取与交互等前沿技术,展现了视觉追踪的最新发展动态。
AcmeTrace - 大规模语言模型工作负载数据集
AI实验室Acme TraceGithub工作负载开源项目数据集资源利用
AcmeTrace是一个来自上海人工智能实验室的大规模语言模型工作负载数据集,涵盖2023年3月至8月期间的数据。该数据集包含880,740个作业记录,其中470,497个为GPU作业,来自两个独立的GPU集群。这些数据为研究人员提供了分析大规模语言模型在数据中心开发特征的宝贵资源,支持相关学术研究。
trlx - 分布式微调大型语言模型的强化学习框架,支持奖励函数与高效并行
GithubHugging FaceILQLNVIDIA NeMoPPOtrlX开源项目
一个专注于强化学习微调大型语言模型的分布式训练框架。支持使用奖励函数或已标注数据集进行训练,兼容🤗Hugging Face和NVIDIA NeMo模型,可扩展到20B参数以上。实现了PPO和ILQL等多种RL算法,提供详细文档和丰富示例,支持分布式训练和超参数搜索。适用于各种应用场景,通过高效并行技术提升训练效率。
trace.moe - 将动漫截图精准溯源的开源搜索引擎
APIDockerGithubtrace.moe动漫场景搜索图像识别开源项目
trace.moe是一个开源的动漫场景搜索引擎,能够准确定位动漫截图的出处,包括具体作品、集数和时间点。该项目提供Web集成、API接口和浏览器扩展,适用于开发者和普通用户。此开源项目采用模块化设计,包含网页服务器、API服务器和媒体服务器等核心组件。系统支持Web集成和浏览器扩展,便于开发者进行二次开发。同时,trace.moe还提供了详细的部署指南,方便用户自行搭建和定制动漫场景搜索服务。
tensorwatch - 数据科学和机器学习的实时可视化与调试工具
GithubJupyter NotebookMicrosoftTensorWatch开源项目数据可视化机器学习
TensorWatch是由微软研究院开发的调试和可视化工具,专为数据科学、深度学习和强化学习设计。它运行在Jupyter Notebook中,提供实时的机器学习训练可视化和分析功能。其灵活的架构允许创建自定义的可视化、界面和仪表板,并支持独特的Lazy Logging模式进行实时查询和流式数据处理。TensorWatch支持多种图表类型和并行流可视化,是一个易于使用且可扩展的调试平台。
neoml - 跨平台多语言支持的端到端机器学习框架
ABBYYGithubNeoMLONNX开源项目机器学习框架神经网络
NeoML是一个端到端机器学习框架,可用于构建、训练和部署模型,适用于计算机视觉和自然语言处理任务,如图像预处理、分类、OCR和数据提取。支持100多种神经网络层类型和20多种传统机器学习算法,兼容CPU和GPU,并支持ONNX格式。适用的编程语言包括Python、C++、Java和Objective-C,且可运行于Windows、Linux、macOS、iOS和Android平台。
tracr - 开源编译器实现RASP程序到Transformer权重的转换
GithubRASPTracrtransformer开源项目编译器解释性
tracr是一个开源编译工具,可将RASP程序转换为Transformer权重。它通过追踪程序、推断基向量和中间表示,最终生成Haiku模型。tracr支持类别和数值表示,使用BOS标记实现多种操作,并探索了残差流压缩嵌入。研究人员可以利用tracr编译RASP程序,查看中间激活值,深入分析模型行为,为Transformer可解释性研究提供实验平台。
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