Открытый код. Новые возможности.

einops — библиотека для гибких операций с тензорами, использующая нотацию в стиле Эйнштейна для читаемого и надежного кода в PyTorch, JAX, TensorFlow, NumPy и других фреймворках.

DeepSpeed — это библиотека оптимизации глубокого обучения, разработанная для того, чтобы сделать обучение и вывод крупномасштабных моделей простыми, эффективными и результативными.

Бесплатная 12-недельная программа Microsoft из 24 уроков по основам ИИ: нейронные сети, глубокое обучение, компьютерное зрение, NLP, трансформеры, этика, практические задания, тесты и лабораторные работы.

Qlib — это ориентированная на ИИ платформа для количественных инвестиций, разработанная для охвата всего ML-конвейера: от обработки данных и обучения моделей до бэктестинга и эксплуатации.

Hugging Face Transformers — это фреймворк определения моделей для машинного обучения, охватывающий текст, зрение, аудио и мультимодальные задачи. Он предоставляет унифицированный API для инференса и обучения с доступом к более чем 1 миллиону предобученных чекпоинтов.

Ray — это унифицированный фреймворк для масштабирования AI и Python-приложений: от одного ноутбука до распределенного кластера.

AutoKeras — это открытая библиотека AutoML на базе Keras, автоматизирующая поиск моделей глубокого обучения для задач с изображениями, текстом и структурированными данными.

Apache TVM — это открытый фреймворк компиляции машинного обучения, разработанный для универсального развертывания и настраиваемых конвейеров компилятора.

Комплексное открытое руководство по промпт-инжинирингу, RAG, AI-агентам и оптимизации LLM. Включает туториалы, научные статьи, инструменты и notebooks для эффективной работы с большими языковыми моделями.

Darts — это библиотека Python для прогнозирования временных рядов и обнаружения аномалий, сочетающая статистические и нейросетевые модели, вероятностные прогнозы, ковариаты, бэктестинг, согласование и оценку на основе PyOD.

OneFlow — это удобный, масштабируемый и эффективный фреймворк глубокого обучения с API в стиле PyTorch, Global Tensor для n-мерного параллельного выполнения и Graph Compiler для ускорения и развертывания моделей.

ESPnet — это набор инструментов для обработки речи сквозного типа на базе PyTorch, охватывающий ASR, TTS, перевод речи, улучшение, диаризацию и другое, с воспроизводимыми рецептами и предобученными моделями.

Курируемый список курсов по компьютерным наукам с видеолекциями, охватывающий алгоритмы, ИИ, базы данных, операционные системы и многое другое.

FaceAttend — это локальная система учета посещаемости занятий, использующая распознавание лиц по видео для идентификации зарегистрированных студентов.

jetson-inference — это библиотека глубокого зрения на C++ и Python для NVIDIA Jetson. Она использует TensorRT для инференса на устройстве и PyTorch для обучения, включает примеры, предобученные модели и учебные пособия по классификации, детекции, сегментации, позе, действиям, глубине и потоковой передаче с камер.

MediaPipe — это кроссплатформенный фреймворк Google и набор локальных решений машинного обучения для живых и потоковых медиа, охватывающий задачи зрения, текста и аудио на Android, iOS, вебе, настольных и периферийных устройствах.

YOLOv5 — это быстрая и точная компьютерная зрительная платформа на PyTorch для обнаружения объектов, сегментации экземпляров и классификации изображений. Поддерживает обучение на собственных наборах данных, вывод из различных источников и экспорт моделей в форматы ONNX, TensorRT и CoreML.

Made With ML — это открытый курс и кодовая база, обучающая проектированию, разработке, развёртыванию и итерации приложений машинного обучения промышленного уровня, охватывающая MLOps, тестирование, сервинг, CI/CD и непрерывное обучение.

FaceSwap — инструмент на базе глубокого обучения для распознавания и замены лиц на изображениях и видео. Предоставляет этапы извлечения, обучения и конвертации с интерфейсами CLI и GUI, поддерживает ускорение CUDA на GPU.

Colossal-AI — это открытая система для более дешевого и эффективного обучения и запуска больших ИИ-моделей, предлагающая стратегии параллельного обучения, управление памятью и ускорение инференса для LLM, моделей диффузии и других.