Logo
Project Icon

thinc

灵活轻量的深度学习库，支持多种主流框架

Thincdeep learningPyTorchTensorFlowMXNetGithub开源项目

Thinc是一款轻量级深度学习库，提供简洁的函数式编程API，支持与PyTorch、TensorFlow、MXNet等框架的集成。用户可以通过Thinc构建、配置和部署自定义模型。Thinc支持类型检查、简洁的函数式模型定义、可扩展的后台系统，并兼容Python 3.6+，适用于Linux、macOS和Windows操作系统。

访问官网访问官网GithubGithub文档文档
介绍知识库相关项目
lightning-thunder - PyTorch模型优化编译器 显著提升训练速度
GPU加速GithubPyTorch开源项目性能优化深度学习编译器
Lightning Thunder是一款专为PyTorch设计的源到源编译器。它通过整合nvFuser、torch.compile、cuDNN等多种硬件执行器，大幅提升PyTorch程序的执行效率。支持单GPU和多GPU环境，在Llama 2 7B模型训练中实现40%的吞吐量提升。Thunder具有易用性、可理解性和可扩展性，是PyTorch开发者提升模型性能的有力工具。
fastai - 一个为从业者提供快速提供在标准深度学习领域中提供最先进的高级组件，并提供可以混合和匹配的低级组件构建新方法的深度学习库
GPU优化GithubPyTorchfastai开源项目深度学习计算机视觉
fastai是一个深度学习库，提供高层组件以快速实现高性能结果，同时为研究人员提供可组合的低层组件。通过分层架构和Python、PyTorch的灵活性，fastai在不牺牲易用性、灵活性和性能的情况下，实现了高效的深度学习。支持多种安装方式，包括Google Colab和conda，适用于Windows和Linux。学习资源丰富，包括书籍、免费课程和详细文档。
torchdyn - PyTorch数值深度学习库，支持微分方程和数值方法
GithubPyTorchTorchdyn开源项目微分方程数值方法深度学习
Torchdyn是一个专注于数值深度学习的PyTorch库，涵盖微分方程、积分变换和数值方法。它提供便捷的工具和层，用于构建神经微分方程和复合模型，并支持GPU加速和多种数值方法。该库与PyTorch和pytorch-lightning高度集成，使得用户能够快速上手，推进研究和应用。
pytorch-frame - 模块化深度学习框架用于异构表格数据
GithubPyTorch Frame开源项目模块化框架深度学习神经网络表格数据
PyTorch Frame是一个为异构表格数据设计的深度学习框架，支持数值、分类、时间、文本和图像等多种列类型。它采用模块化架构，实现了先进的深度表格模型，并可与大型语言模型集成。该框架提供了便捷的mini-batch加载器、基准数据集和自定义数据接口，简化了表格数据的深度学习研究过程，适用于各层次研究人员。框架内置多个预实现的深度表格模型，如Trompt、FTTransformer和TabNet等，并提供与XGBoost等GBDT模型的性能对比基准。PyTorch Frame无缝集成于PyTorch生态系统，便于与其他PyTorch库协同使用，为端到端的深度学习研究提供了便利。
MNN - 高效轻量的深度学习框架，支持多设备推理和训练
GithubMNN开源项目推理引擎深度学习框架轻量级高性能
MNN是一个高效轻量的深度学习框架，支持设备上的推理和训练。已被阿里巴巴30多个应用集成，覆盖直播、短视频、搜索推荐等70多种场景。MNN适用于嵌入式设备，支持TensorFlow、Caffe、ONNX等多种模型格式，并优化了ARM和x64 CPU及多种GPU的计算性能。通过MNN Workbench，用户可以下载预训练模型、进行可视化训练并一键部署到设备上。
jina - 帮助开发者构建和部署多模态AI应用的开源框架
DeploymentExecutorGithubJina云原生技术多模态AI开源项目热门
Jina是一个强大的开源框架，帮助开发者构建和部署多模态AI应用。它支持通过gRPC、HTTP和WebSockets通信，并且可以轻松扩展和部署到生产环境。无需担心底层基础设施的复杂性，开发者可以专注于逻辑和算法。Jina支持任何数据类型和主流深度学习框架，提供Pythonic体验，从本地部署到使用Docker-Compose、Kubernetes或Jina AI Cloud的高级编排。此外，Jina的流水线功能允许多个微服务容器化并独立扩展，实现高性能服务设计。
carefree-learn - 简化深度学习流程，支持PyTorch高效训练与推理
AI模型GithubMIT许可PyTorchdeep learning开源项目模块化
carefree-learn项目致力于简化深度学习流程，特别是基于PyTorch的训练与推理。采用模块优先、原生兼容的设计原则，支持AI模型推理，符合现代AI的发展趋势，并遵循MIT许可证。项目提供易于使用的接口和高性能模块，适合开发者与使用者。
ktrain - 轻量级的深度学习和AI工具包
GithubTensorFlow Kerasktrain开源项目机器学习深度学习预训练模型
ktrain 是一个基于 TensorFlow Keras 的轻量级深度学习库封装，帮助用户快速构建、训练和部署各种机器学习模型。适用于文本、视觉、图表和表格数据，支持文本分类、图像识别、节点分类和因果推断等任务。无论是初学者还是有经验的研究人员，都能借助其简单的 API 和多种学习率策略，快速实现高效模型部署，支持导出到 ONNX 和 TensorFlow Lite。
onnxruntime - 跨平台的机器学习模型推理与训练加速工具
GithubONNX Runtime开源项目机器学习模型训练深度学习硬件加速
ONNX Runtime是一款跨平台的机器学习推理和训练加速工具，兼容PyTorch、TensorFlow/Keras、scikit-learn等深度学习框架及传统机器学习库。它支持多种硬件和操作系统，通过硬件加速和图优化实现最佳性能，显著提升模型推理和训练速度，尤其在多节点NVIDIA GPU上的Transformer模型训练中表现出色。
pytorch-dnc - PyTorch实现的差分神经计算机及相关模型库
DNCGithubSAMSDNC开源项目神经网络记忆增强
这个PyTorch库实现了差分神经计算机(DNC)、稀疏访问存储器(SAM)和稀疏差分神经计算机(SDNC)等模型。它提供灵活API用于构建和训练这些神经网络,支持多层控制器、共享内存等配置。库中还包含复制和加法等基准任务,以及内存可视化功能,有助于开发和评估基于外部存储的神经网络模型。
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

白日梦AI

白日梦AI提供专注于AI视频生成的多样化功能，包括文生视频、动态画面和形象生成等，帮助用户快速上手，创造专业级内容。

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

讯飞绘镜

讯飞绘镜是一个支持从创意到完整视频创作的智能平台，用户可以快速生成视频素材并创作独特的音乐视频和故事。平台提供多样化的主题和精选作品，帮助用户探索创意灵感。

Project Cover

讯飞文书

讯飞文书依托讯飞星火大模型，为文书写作者提供从素材筹备到稿件撰写及审稿的全程支持。通过录音智记和以稿写稿等功能，满足事务性工作的高频需求，帮助撰稿人节省精力，提高效率，优化工作与生活。

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

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