Project Icon

netron

多格式神经网络和机器学习模型查看器

支持多种格式的神经网络、深度学习和机器学习模型查看,包括ONNX、TensorFlow Lite、Core ML、Keras和Caffe等,实验性支持PyTorch、TorchScript等。适用于macOS、Linux、Windows和浏览器版本,提供简单的安装和启动方式,方便不同操作系统用户使用。

tract - 神经网络推理工具,支持多种格式与优化
GithubNNEFONNXTensorFlowtract开源项目神经网络推理
`tract`是一款神经网络推理工具,支持读取和优化ONNX与NNEF格式。它提供多种神经网络模型的支持,并附有详尽的技术文档和应用实例,适用于移动设备和微控制器等多种应用场景。
onnxmltools - 多框架机器学习模型转ONNX工具
GithubONNXONNXMLTools依赖开源项目机器学习工具包模型转换
ONNXMLTools可将包括Tensorflow、scikit-learn、Core ML、Spark ML、LightGBM、XGBoost、H2O等在内的多种机器学习模型转换为ONNX格式。它支持通过PyPi或源码安装,依赖ONNX、NumPy和ProtoBuf,适用于Python 3.7及以上版本,提供详尽的转换示例与测试方法。更多信息请参考相关文档与教程。
tensorflow-onnx - 将TensorFlow(包括tf-1.x和tf-2.x)、Keras、TensorFlow.js和TFLite模型转换为ONNX格式的工具
GithubKerasONNXPythonTensorFlowtf2onnx开源项目
该工具支持将TensorFlow(包括tf-1.x和tf-2.x)、Keras、TensorFlow.js和TFLite模型转换为ONNX格式,支持命令行和Python API操作。兼容Windows和Linux操作系统,支持Python 3.7至3.10,以及多种ONNX opset(从opset 14至opset 18)和TensorFlow版本。提供详细的安装步骤、转换指南和常见问题解决方案,全面支持saved model、checkpoint和graphdef等多种模型格式。
graph_nets - DeepMind的图神经网络库,支持TensorFlow和Sonnet
GithubGraph NetsSonnetTensorFlow安装开源项目演示
Graph Nets是由DeepMind开发的图神经网络库,兼容TensorFlow和Sonnet。支持Linux和Mac OS X,以及Python 2.7和3.4+。该库适用于CPU和GPU版本的TensorFlow,但需要单独安装TensorFlow。Graph Nets提供了详细的安装指南、使用示例和多个演示,包括最短路径、排序和物理预测任务。用户可以通过Colaboratory在浏览器中运行这些演示,体验图神经网络的灵活性和强大功能。
neurite - 医疗影像分析神经网络工具箱,支持TensorFlow和Keras
GithubNeuritekerastensorflow医疗影像分析卷积网络开源项目
Neurite是一个专注于医疗影像分析的神经网络工具箱,兼容TensorFlow和Keras,包括多种网络层、实用工具、灵活模型、生成器和回调函数,适合处理、训练和调试医疗影像数据。其主要功能有UNet模型、卷积编码器和解码器、N维网格插值、分割工具和度量指标。该工具可以通过pip简单安装,并提供科研文献引用支持,项目鼓励社区贡献,已在VoxelMorph和brainstorm等项目中使用。
trulens - 神经网络评估与解释工具,支持大语言模型开发与监控
GithubTruLensTruLens-EvalTruLens-Explain开源项目深度学习神经网络
TruLens 提供开发和监控神经网络的工具,特别是大语言模型。TruLens-Eval 可系统性评估和跟踪LLM应用,帮助识别和改进性能;TruLens-Explain 提供跨框架的深度学习可解释性,支持TensorFlow、PyTorch和Keras。查看官方文档以获取快速安装和使用指南,帮助开发者高效构建与优化模型应用。
OnnxStack - 高效机器学习集成框架 无缝对接.NET生态
.NETGithubONNX RuntimeStableDiffusion图像处理开源项目机器学习
OnnxStack为.NET开发者提供了一个便捷的机器学习集成方案。它与ONNX Runtime和Microsoft ML无缝对接,支持Stable Diffusion、图像放大和对象检测等AI模型。开发者可以在.NET环境中直接构建和运行机器学习应用,不再依赖Python。这个框架大大简化了AI开发流程,是.NET生态系统中的一个重要补充。
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。
FaceONNX - 跨平台人脸识别与分析库
GithubONNX人脸分析人脸识别开源项目深度神经网络跨平台
FaceONNX是基于ONNX运行时的人脸识别和分析库。它提供预训练的深度神经网络模型,用于人脸检测、特征点提取、性别年龄分类、情绪美貌分析及人脸嵌入比较。支持跨平台应用,提供.NET Standard 2.0版本,可通过NuGet包管理器集成。FaceONNX为开发者提供了实用的人脸分析工具。
torchmd-net - 神经网络势能模型的高效训练与实现框架
GPU加速GithubPyTorchTorchMD-NET分子动力学开源项目神经网络势能
TorchMD-NET是一个先进的神经网络势能(NNP)模型框架,提供高效快速的NNP实现。该框架与ACEMD、OpenMM和TorchMD等GPU加速分子动力学代码集成,并将NNP作为PyTorch模块提供。项目支持等变Transformer、Transformer、图神经网络和TensorNet等多种架构,可通过conda-forge安装或从源代码构建。TorchMD-NET具有灵活的训练配置选项,支持自定义数据集和多节点训练,并提供预训练模型。
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

稿定AI

稿定设计 是一个多功能的在线设计和创意平台,提供广泛的设计工具和资源,以满足不同用户的需求。从专业的图形设计师到普通用户,无论是进行图片处理、智能抠图、H5页面制作还是视频剪辑,稿定设计都能提供简单、高效的解决方案。该平台以其用户友好的界面和强大的功能集合,帮助用户轻松实现创意设计。

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