streaming

面向大规模机器学习的高效数据流式加载工具

StreamingDataset 云存储数据流 PyTorch 大规模训练 Github 开源项目

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。

Data-science - 数据科学项目的综合资源库和实践指南

GitHubGithubMLOpsPython开源项目数据科学机器学习

Data-science项目汇集了丰富的数据科学资源，涵盖MLOps、数据管理、测试和生产力工具等领域。通过文章、代码和视频教程，该项目全面展示了数据科学工作流程，从项目管理到部署。它为数据科学家和机器学习工程师提供了提高效率、构建可靠项目的实用指南。

chug - 多模态数据训练的高效开源库

Chugging DataGithubHugging Face datasetswebdataset多模态数据训练开源项目数据处理库

chug是一个面向多模态数据训练的开源库,集成了webdataset和Hugging Face datasets的高效数据处理流程。它支持图像、文档和文本任务,提供实时PDF解码、灵活数据加载和预处理功能,并为文档阅读、视觉问答等任务设计了专用管道。尽管处于alpha阶段,chug已在多个PDF数据集上测试,可为大规模多模态模型训练提供有力支持。

mlflow - 机器学习生命周期管理的轻量级平台

GithubMLflow实验跟踪开源项目机器学习模型管理项目打包

MLflow 是一个轻量级平台，帮助简化机器学习的开发和部署过程。它支持实验跟踪、代码打包和模型部署，并且可以集成 TensorFlow、PyTorch 和 XGBoost 等库。主要组件包括 MLflow Tracking、MLflow Projects、MLflow Models 和 MLflow Model Registry，助力全面管理机器学习生命周期。

serving - 灵活且高效的机器学习模型推理平台

DockerGithubTensorFlow Serving开源项目机器学习模型部署高性能推理

TensorFlow Serving 是一个为生产环境设计的灵活且高性能的机器学习模型推理系统。它管理训练后的模型生命周期，通过高效查询表提供版本化访问，支持多模型和多版本同时部署。系统支持 gRPC 和 HTTP 推理端点，允许无缝部署新版本，支持金丝雀发布和 A/B 测试，并且延迟极低。调度器将推理请求分组以在 GPU 上联合执行，支持包括 TensorFlow 模型、嵌入、词汇表和特征转换在内的多种服务对象。

instill-core - 一款用于数据、模型和管道编排的全栈 AI 基础设施工具

AI基础设施GithubInstill CloudInstill Core开源项目数据管道模型编排

探索instill-core，该全栈AI基础架构工具旨在简化AI驱动应用的数据、模型及数据流水线编排。了解更多详情，请参阅官方文档。

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。

YouTube-Tutorials - 学习Python编程、Streamlit框架与AI自动化

AutomationBioinformaticsGithubMachine-LearningPythonYouTube-Tutorials开源项目

提供涵盖Python、Streamlit、机器学习、openAI、Google Sheets自动化、Pandas、生物信息学和chatGPT等主题的视频教程，助您掌握这些技术。最新内容包括构建AI SaaS产品、微服务开发以及GPT-4o模型应用。适合初学者和专业人士，从基础到高级编程与AI自动化都能学到。

pathway - 高性能Python数据处理框架支持流处理和LLM应用

GithubLLM管道Pathway实时分析开源项目数据处理流处理

Pathway是一个高性能Python数据处理框架，支持流处理、实时分析和LLM应用。该框架提供简洁的Python API，可处理批量和流式数据，并集成多种机器学习库。Pathway采用Rust引擎，实现增量计算和并行处理。它具备丰富的数据连接器、状态转换功能和一致性保证，适用于多种复杂的数据处理场景。

whisper_streaming - 基于Whisper的实时语音转录和翻译开源系统

GithubWhisper多语言实时转录开源项目流式处理语音识别

whisper_streaming是基于Whisper模型的实时语音转录和翻译系统。该项目采用本地协议和自适应延迟实现流式转录,在长篇未分段语音测试中实现高质量转录,延迟仅3.3秒。系统提供多种后端选择,支持GPU加速,适用于多语言会议实时转录。项目还提供灵活API,便于开发者集成到不同应用场景。

img2dataset - 高效处理大规模图像数据集的开源工具

Githubimg2dataset下载工具图像数据集开源项目数据处理机器学习

img2dataset是一个开源工具，用于将大量图像URL转换为结构化数据集。它能在20小时内处理1亿个URL，支持下载、调整大小和打包功能。该工具提供多种输出格式、编码选项，以及增量模式和过滤功能，适用于机器学习训练等需要处理大规模图像数据的场景。img2dataset还支持保存URL和标题对，为研究人员和开发者提供了灵活的数据处理选项。

相关项目

推荐项目

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。

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。

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。

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。

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。

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。

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。

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。

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。

使用协议隐私政策广告服务

投诉举报邮箱: service@vectorlightyear.com