#模型调试
相关项目
torchexplorer
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。
model-explorer
Model Explorer是一款AI模型结构可视化工具，支持TFLite、TF、TFJS、MLIR和PyTorch等多种格式。它提供层级化展示，允许动态展开或折叠各层，并具备高亮输入输出、元数据叠加、交互式弹窗等功能。工具还支持搜索、显示相同层和GPU加速渲染，方便开发者进行模型探索和调试。Model Explorer提供扩展框架，便于添加对其他格式的支持。
stable-diffusion-3-tiny-random
stable-diffusion-3-tiny-random是基于Stable Diffusion 3的精简版模型，专为AI开发调试和快速实验设计。该项目采用小型模型结构和随机初始化参数，保留原始模型核心功能。它为开发者提供轻量级环境，便于进行测试、优化和创新，无需大量计算资源。这一工具适合深度学习研究人员和AI艺术家快速验证概念和调试算法。
Jamba-tiny-dev
Jamba-tiny-dev作为一款小型机器学习模型，专注于Jamba架构的开发测试场景。模型仅包含319M参数并完成40B tokens训练，具备快速部署和可靠输出的特点，主要应用于单元测试等开发环境。需要注意的是，该模型并未经过充分训练，不适合用于生成高质量文本内容。