Logo
Project Icon

petastorm

开源数据访问库，支持单机或分布式训练和评估深度学习模型，直接从Apache Parquet格式数据集中读取数据

Petastorm深度学习分布式训练Apache Parquet机器学习框架Github开源项目

Petastorm是一个开源数据访问库，支持单机或分布式训练和评估深度学习模型，直接从Apache Parquet格式数据集中读取数据。该库兼容Tensorflow、PyTorch和PySpark等主流Python机器学习框架，也可用于纯Python代码。Petastorm支持多种数据压缩格式，提供方便的API用于数据生成和读取，并支持列选择、并行读取、行过滤等功能。用户可以轻松在单机或Spark集群上生成数据集，是构建高效机器学习管道的理想工具。

访问官网访问官网GithubGithub文档文档论文论文
介绍相关项目
aistore - 分布式存储系统 专为AI与PB级深度学习优化
AIStoreGithub分布式系统对象存储系统开源项目数据管理深度学习
AIStore是专为AI应用设计的轻量级存储系统,具备线性扩展能力和运行时节点弹性。支持从单机到大规模集群部署,提供统一命名空间、ETL卸载和文件数据集等功能。AIStore与PyTorch集成,采用REST API和S3兼容接口,支持多种后端存储,适用于AI和深度学习工作负载。
streaming - 面向大规模机器学习的高效数据流式加载工具
GithubPyTorchStreamingDataset云存储大规模训练开源项目数据流
streaming是一款针对大规模分布式机器学习训练优化的数据加载工具。它支持从主流云存储平台流式读取图像、文本、视频等多种数据类型。该工具具备确定性、快速恢复、高吞吐等特点,可轻松集成到PyTorch训练流程中。streaming还提供数据混合、随机访问等功能,适用于大规模机器学习训练场景。
spark - 统一分析引擎 支持多语言API及丰富工具集
Apache SparkGithub分布式计算大数据处理开源项目数据分析机器学习
Apache Spark是一个大规模数据处理的统一分析引擎，提供Scala、Java、Python和R的高级API。它支持多种高级工具，如Spark SQL、pandas API on Spark、MLlib、GraphX和Structured Streaming，分别用于SQL查询、pandas操作、机器学习、图处理和流处理。Spark的优化引擎支持通用计算图，适用于多种大数据分析场景。
pystore - 快速高效的Pandas时间序列数据存储库
GithubPandasParquetPyStore开源项目数据存储时间序列
PyStore是专为Pandas时间序列数据设计的快速存储库。它利用Pandas、Numpy、Dask和Parquet技术，实现高效的数据存储和查询。支持本地文件系统，每秒可处理数百万行数据。PyStore提供集合管理、快照和元数据查询功能，适合大规模时间序列数据的存储和分析。
graphstorm - 训练和部署大规模图机器学习模型的企业级框架
GithubGraphStorm分布式训练图机器学习开源项目节点分类链接预测
GraphStorm是一个面向企业的图机器学习框架，能处理数十亿节点和边的超大规模图。它提供可扩展的训练和推理管道，内置多种GML模型，支持一键训练。框架还提供丰富配置选项用于自定义模型和训练流程，并支持分布式训练自定义GML模型，只需提供模型实现即可实现扩展。
dagster - 全生命周期数据管道编排工具 支持云原生部署
DagsterGithubPython开源开源项目数据管道编排资产管理
Dagster是一款支持云原生部署的数据管道编排工具，覆盖全生命周期开发。该工具集成了数据血缘追踪和可观察性功能，采用声明式编程模型，并提供出色的可测试性。Dagster能够帮助开发和维护各类数据资产，包括数据表、数据集、机器学习模型和报告等。开发者可通过Python函数声明数据资产的构建方式，Dagster会自动管理函数执行时机并保持资产更新。这一工具适用于从本地开发到生产环境的全过程，并与现代数据技术栈广泛集成。
ytsaurus - 开源分布式大数据存储与处理系统
GithubMapReduceNoSQLYTsaurus分布式存储大数据平台开源项目
YTsaurus是一个开源的分布式大数据系统，集成MapReduce模型、分布式文件系统和NoSQL键值数据库。该系统具有多租户架构、高可靠性和强大的扩展能力，可支持高达100万CPU核心和数千GPU，处理EB级数据。YTsaurus提供友好的用户界面，并集成ClickHouse和Apache Spark，为数据分析和ETL工作流程提供全面支持。
Daft - Rust实现的分布式数据处理引擎 支持多模态分析
DaftGithub分布式计算多模态数据开源项目数据处理查询优化
Daft是一个Rust实现的分布式查询引擎，为Python提供大规模数据处理能力。它提供交互式API、查询优化、数据目录集成、多模态类型系统和Apache Arrow兼容性。Daft可处理图像、嵌入向量等复杂数据，支持交互式和分布式计算，适用于多种数据分析场景。其云优化设计带来高效I/O性能。
modelstore - 允许对机器学习模型进行版本控制、导出和保存到文件系统或云存储提供商Python库
Githubmodelstore多云支持开源开源项目机器学习模型管理版本控制
modelstore是一个Python库，可在本地文件系统或多种云存储（如AWS、GCP、Azure）中进行机器学习模型的版本管理、导出、保存和下载。无需跟踪服务器，支持模型域和状态管理、即时下载或内存加载，也可用作命令行工具。支持多个机器学习库，如TensorFlow、PyTorch、Scikit Learn等。详细信息请参考官方文档。
litdata - 优化数据处理和流式传输工具 提升AI模型训练效率
GithubLitData云存储开源项目数据优化数据处理模型训练
LitData是一个开源的数据处理和优化工具，专注于提升AI模型训练效率。它提供并行数据处理、向量嵌入创建、分布式推理和大规模网站抓取功能。LitData优化数据集以加速模型训练，支持云端大规模数据流式传输，并实现远程数据的无本地加载使用。这些特性使LitData成为提高数据处理效率和AI模型训练速度的有力工具。
相关项目
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。

使用协议隐私政策广告服务
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