AI开发框架
机器学习工具
数据集资源查找： https://datasetsearch.research.google.com/
A collection of various deep learning architectures, models, and tips
https://github.com/rasbt/deeplearning-models
fitlog是一款在深度学习训练中用于辅助用户记录日志和管理代码的实验记录工具: https://github.com/fastnlp/fitlog
A flexible tool for creating, organizing, and sharing visualizations of live, rich data. Supports Torch and Numpy: https://github.com/fossasia/visdom
Convolution Visualizer: 卷积层配置可视化工具，https://ezyang.github.io/convolution-visualizer/index.html
Featuretools：自动化特征工程库， https://github.com/alteryx/featuretools
A hyperparameter optimization framework：https://github.com/optuna/optuna
Lobe: 简单免费的机器学习模型训练工具, https://www.lobe.ai/
Evidently AI：https://www.evidentlyai.com/
Evaluate, test, and monitor ML models from validation to production.
TensorFlow
官网: https://www.tensorflow.org/
来自Google。它是早期框架经验丰富的“第二代”深度学习库。TensorFlow可以从Python获得，包括TensorBoard工具，它在调试和检查网络方面具有很大的优势。XLA编译工具提供了模型的最佳执行，同时TensorFlow Mobile为低功耗移动设备提供了机器学习支持。
Playground: https://playground.tensorflow.org/
Keras: https://keras.io/
Python版本的TensorFlow深度学习API
Deeplearning4J
官网: https://deeplearning4j.org/
商业支持的深度学习框架，在Java环境中具有强大的性能，使其在企业应用程序具有吸引力。如果你是一个java程序猿，又不想学习其他语言，这个应该是一个不错的选择。
PyTorch
官网: http://pytorch.org/ ：Torch的后代，“把Python放在第一位”，PyTorch将torch带入热门的Python数据科学生态系统中。
发布于2017年，PyTorch支持动态计算图，而TensorFlow 目前不可用，并提供比非动态替代方案更流畅的开发流程。
tensorboard教程：https://pytorch.org/tutorials/intermediate/tensorboard_tutorial.html
Numpy: https://numpy.org/
scikit-learn: https://scikit-learn.org/stable/
NLTK; https://www.nltk.org/
Gradio: https://www.gradio.app/, 开源的搭建机器学习模型UI界面的Python库
Lightning AI: https://lightning.ai/ (由Pytorch Lightning团队推出)
一些算法的 PyTorch 实现: https://github.com/labmlai/annotated_deep_learning_paper_implementations
This is a collection of simple PyTorch implementations of neural networks and related algorithms. These implementations are documented with explanations,
https://github.com/Lightning-AI/lightning：Deep learning framework to train, deploy, and ship AI products Lightning fast. （PyTorch 开发中的各种通用配置（训练验证逻辑、超参搜索、分布式训练等）全部包装起来，以更高级的形式快速搭建模型）参考：简介
https://github.com/ritchieng/the-incredible-pytorch: PyTorch 的各种教程、项目、视频等资源
https://github.com/microsoft/computervision-recipes: 基于 PyTorch 的各种 CV 任务的教程
torchtracer: 一个管理 PyTorch AI 实验项目的工具, https://oidiotlin.com/torchtracer/
Flops counter for convolutional networks in pytorch framework: https://github.com/sovrasov/flops-counter.pytorch
Bayesian optimization in PyTorch：https://github.com/pytorch/botorch
CTNK
https://www.microsoft.com/en-us/research/product/cognitive-toolkit/：微软在深度学习的学习空间中提供的Python和C ++ API（Java也可以通过实验方式获得）。
其他深度学习工具
Caffe：UC伯克利研究推出的深度学习框架, 常用于计算机视觉应。核心语言是C ++，带有一个Python接口。
Torch：Facebook和Twitter常用的强大框架，但在Lua中写作，使它对其他编程语言的支持较少。
Theano：最古老的深度学习框架之一，用Python编写。在学术界广泛使用，但不适合公司使用。
JAX: Google推出的用于变换数值函数的机器学习框架: https://jax.readthedocs.io/en/latest/
Apache MXNet: http://mxnet.io/
亚马逊将MXNet指定为官方的深度学习平台，并与许多编程语言相集成。MXNet已经被Apache Incubator接受，这将使其成为一个顶级的Apache项目。不过其还是太过复杂。
飞桨PaddlePaddle: https://www.paddlepaddle.org.cn/
昇思MindSpore: https://www.mindspore.cn/ (华为开源自研AI深度学习框架)
Label Studio: https://labelstud.io/ 免费开源的数据标注工具
Vercel AI SDK: https://sdk.vercel.ai/
LangChain: https://docs.langchain.com/docs/, 用于开发由语言模型驱动的应用程序的框架
Last updated