#安装

Brocolli: 基于Torch Fx的强大PyTorch模型转换与量化工具

2024年09月04日
Cover of Brocolli: 基于Torch Fx的强大PyTorch模型转换与量化工具

onnx2torch: 将ONNX模型无缝转换为PyTorch

2024年09月04日
Cover of onnx2torch: 将ONNX模型无缝转换为PyTorch

ONNX Optimizer: 优化ONNX模型的强大工具

2024年09月04日
Cover of ONNX Optimizer: 优化ONNX模型的强大工具

ZVT: 一个模块化量化交易框架

2024年09月04日
Cover of ZVT: 一个模块化量化交易框架

Rust编程语言:构建可靠高效软件的利器

2024年09月04日
Cover of Rust编程语言:构建可靠高效软件的利器

d3rlpy: 一个强大的离线深度强化学习库

2024年09月04日
Cover of d3rlpy: 一个强大的离线深度强化学习库

PyTorch TNT: 轻量级深度学习训练工具库

2024年09月04日
Cover of PyTorch TNT: 轻量级深度学习训练工具库

Hugging Face Hub:人工智能的开放平台与协作生态系统

2024年09月04日
Cover of Hugging Face Hub:人工智能的开放平台与协作生态系统

PyTorch-3DUNet:基于PyTorch实现的3D U-Net模型用于体积语义分割

2024年09月04日
Cover of PyTorch-3DUNet:基于PyTorch实现的3D U-Net模型用于体积语义分割

ComfyUI_Comfyroll_CustomNodes: 增强您的AI图像生成工作流程

2024年09月04日
Cover of ComfyUI_Comfyroll_CustomNodes: 增强您的AI图像生成工作流程
相关项目
Project Cover

OpenAGI

OpenAGI是一个用于创建AI代理的开源包,提供详细的安装、使用和上传指南。用户可通过PyPI或GitHub进行安装。创建新代理只需在指定文件夹中添加代码和配置文件,并支持工具设置及新工具添加。完成的代理可以上传共享或下载其他用户的代理。项目欢迎贡献,提供详细的贡献指南和研究资源。

Project Cover

llama-node

llama-node是一个支持多种大语言模型推理的Node.js库,兼容LLaMA、RWKV等模型。它基于llm、llama.cpp、rwkv.cpp,使用napi-rs实现消息传递。支持模型包括Alpaca、GPT4All等,适用于多平台如macOS、Linux和Windows。项目处于早期阶段,API可能会更新。

Project Cover

RAGxplorer

RAGxplorer是开源工具,旨在为检索增强生成(RAG)技术提供直观的视觉化展示。该工具支持PDF文档的分析和查询,提供包括Jupyter和Colab在内的多种教程,适用于数据呈现与分析。

Project Cover

catai

本地运行GGUF模型,通过简单的聊天界面与AI助手互动。支持自动检测编程语言、查看原始消息、实时文本流和快速模型下载等功能。兼容Windows、Linux和Mac平台,提供易用的Web API和开发API,方便开发者管理和使用AI模型。

Project Cover

aspeak

aspeak是一个开源的文本到语音转换工具,使用Rust编写,兼容Azure TTS API,支持RESTful和WebSocket API模式。适用于多个平台的安装,提供免费和付费使用方案。

Project Cover

SwiftyChat

SwiftyChat是一个支持SwiftUI的开源聊天界面库,兼容多样的消息格式如文本、图片、视频等。它提供易于自定义的组件和灵活调整的样式,能快速帮助开发者构建和定制聊天应用。通过清晰的安装指南和丰富的代码示例,使得集成和功能扩展变得容易。

Project Cover

hass-edge-tts

hass-edge-tts是一个基于Microsoft Edge浏览器TTS服务的Home Assistant组件,无需申请app_key即可启动使用,节省了额外的权限和成本。该组件支持广泛的语言和声音数据库,操作简便,易于在Home Assistant环境中配置。用户可自定义语音设置,调整音量、语速等参数,以适应不同的智能家居应用场景。组件安装简单,使用方便,是智能家庭环境中的实用工具。

Project Cover

audio-webui

Audio Webui为音频处理提供了全面的解决方案,兼容Python 3.10及更高版本,支持自动安装及Docker部署。适用于Windows、Linux、MacOS和Google Colab,项目持续更新维护。

Project Cover

graph_nets

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。

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