一个包含70+自定义ComfyUI节点的综合套件,用于高级生成式AI工作流程,包括图像处理、深度操作、AI文本生成和视频效果。
DeepLearning.AI提供的检索增强生成(RAG)课程,教授如何构建面向真实世界应用的RAG系统,从架构设计到部署和评估的全流程实践。
PyTorch深度学习专业证书课程,通过3门课程学习使用PyTorch构建、优化和部署深度学习模型,涵盖从基础神经网络到高级架构和实际部署的全流程。
一个PyTorch分布式训练库,只需添加四行代码即可在任何分布式配置上运行相同的PyTorch代码,实现简单、高效和适应性强的规模化训练和推理。
Hugging Face Transformers是一个用于文本、计算机视觉、音频、视频和多模态模型的最先进机器学习模型定义框架,支持推理和训练。
AlphaQubit是Google DeepMind开发的基于AI的量子纠错解码器,能够准确识别量子计算机中的错误,帮助提高量子计算的可靠性。
DeepMind开发的图神经网络工具,用于加速新材料发现,已发现220万种新晶体材料,其中38万种具有稳定性潜力。
Lightning Thunder是一个用于PyTorch的深度学习编译器,能够显著提升PyTorch程序在单个加速器或分布式环境中的运行速度。
TorchMetrics是一个包含100+ PyTorch指标实现的集合库,提供标准化接口以减少代码重复,支持分布式训练和自动批处理累积。
Lightning Fabric是一个快速轻量级的PyTorch模型扩展框架,只需5行代码即可将PyTorch代码转换为Fabric,并提供最先进的分布式训练功能。
TensorFlow Probability是一个基于TensorFlow构建的Python库,用于概率推理和统计分析,支持在现代硬件上结合概率模型和深度学习。
Eclipse DeepLearning4J是一个用于在JVM上运行深度学习的工具套件,支持Java训练模型并与Python生态系统互操作。
Keras Recommenders是基于Keras 3构建推荐系统的库,支持TensorFlow、JAX和PyTorch,提供完整的推荐系统工作流程构建模块。
Azure Machine Learning提供的PyTorch模型训练服务,支持大规模深度学习模型训练、超参数调优和模型部署。
Google Cloud提供的预配置深度学习虚拟机映像服务,支持PyTorch等主流深度学习框架,简化机器学习环境部署
MindSpore Golden Stick是华为诺亚团队和MindSpore团队联合开发的模型压缩算法集,提供量化、剪枝等模型优化技术。
MindSpore Chemistry是基于MindSpore构建的化学领域AI套件,支持多体系、多尺度任务的AI+化学仿真研究。
MindSpore Earth是基于昇思MindSpore开发的地球科学领域套件,支持多时空尺度的AI气象预测,为科研工程人员和学生提供高效易用的AI气象预测软件。
MindSpore Transformers是一个大模型预训练、微调、推理、部署的全流程开发套件,提供主流Transformer类大语言模型和多模态理解模型。