Project Icon

autokeras

机器学习自动化工具,简化图像分类任务

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。

autogluon - 自动化机器学习工具,简单实现高精度预测
AutoGluonGithubPython开源项目机器学习深度学习自动化
AutoGluon简化了机器学习任务,让用户可以在图像、文本、时间序列和表格数据上轻松训练和部署高精度模型。它支持Python 3.8至3.11,并可在Linux、MacOS和Windows上运行。只需几行代码即可快速构建端到端机器学习模型,提供详细的安装指南、快速入门教程和丰富的资源,适合各层次用户的需求。
quickai - 简化复杂机器学习模型的实验过程
GithubPythonQuickAIYOLO卷积神经网络开源项目机器学习
QuickAI 是一个 Python 库,简化了前沿机器学习模型的实验流程。支持 EfficientNet、VGG、ResNet 等图像分类模型和 GPT-NEO、Distill BERT 等自然语言处理模型。只需1-2行代码即可完成模型训练和评估,兼容 TensorFlow 和 PyTorch,并提供 Docker 容器便于环境配置。适用于各水平用户,助力快速推进机器学习项目。
autolabel - 利用大语言模型自动标注、清洗和丰富文本数据集的Python库
AutolabelGithubLLMPython库Refuel开源项目数据标注
Autolabel是一个Python库,利用大语言模型(LLM)自动标注、清洗和丰富文本数据集。它大幅减少手动标注的时间和成本,同时提供高准确率的标注结果。该库支持多种NLP任务,如分类、问答、命名实体识别等,兼容OpenAI、Anthropic、HuggingFace等多家提供商的LLM。Autolabel还提供信心估算、结果解释、缓存和状态管理功能,并支持使用Refuel托管的开源LLM进行标注。用户可根据具体任务配置标注指南,并通过简单的三步流程完成数据标注。
LightAutoML - 自动化创建二分类、多分类和回归模型解决方案
GithubLightAutoML分类开源项目机器学习模型创建自动机器学习
LightAutoML是一款自动化机器学习框架,专注于二分类、多分类和回归任务的模型创建。框架支持独立样本数据集处理,并运用AutoWoE库生成可解释模型。目前正在开发多表数据集和序列处理功能,还提供了GPU和Spark管道以提升计算效率。LightAutoML配有详细的文档和丰富的示例教程,适合多种机器学习需求,简化自动化模型开发。
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。
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。
autotrain-advanced - 机器学习模型的训练与部署的无代码训练
AutoTrainColabGithubHugging Face开源项目机器学习部署
AutoTrain Advanced 是一款无代码解决方案,只需几次点击即可训练机器学习模型。需要上传正确格式的数据以创建项目,关于数据格式和定价的详细信息请查阅文档。AutoTrain 免费使用,只需为使用的资源付费。支持在 Colab 和 Hugging Face Spaces 上运行,也可以通过 PIP 本地安装。适用于 Python 3.10 及以上版本,推荐在 Conda 环境中运行。更多信息请访问项目文档页面。
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。
Keras-TextClassification - 多样预训练模型支持的高效文本分类工具
GithubKeras-TextClassification嵌入式模型开源项目文本分类深度学习神经网络
为中文用户提供高效的文本分类解决方案,支持FastText、BERT、Albert等多种预训练模型,涵盖词、字、句子嵌入。详细介绍数据处理与模型训练流程,通过下载与调用数据,实现多标签分类和文本相似度计算,简化复杂的自然语言处理任务。
qkeras - Keras 的量化扩展工具,通过替换部分 Keras 层,能够快速创建量化版深度学习模型
GithubKerasQKerasTensorFlow开源项目深度学习量化
QKeras 是一个针对 Keras 的量化扩展工具,通过替换部分 Keras 层,能够快速创建量化版深度学习模型。项目设计遵循用户友好、模块化和易扩展的原则,包括 QDense 和 QConv2D 等多种量化层。QTools 用于辅助硬件实现和能耗估算,AutoQKeras 可以自动进行模型量化和重新平衡。此项目提供简单易用的界面,适用于快速原型设计、前沿研究和生产环境。
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。

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