Magnetron开源项目 – 简单而强大的深度学习框架

Leap Touch 是一个人工智能工具，旨在简化自定义模型的训练和照片生成过程。用户只需创建账户，上传训练数据，选择所需的模型架构，配置训练参数，然后启动训练过程。一旦模型训练完成，用户可以通过提供输入参数或使用预训练模型来生成照片。

Flowity AI是一个在线平台，提供无缝高效的软件开发方式，用户只需提供软件需求，平台利用先进的AI算法快速生成符合需求的代码，并支持团队协作、测试和部署。

Steamship是一个低代码库，允许用户快速构建和部署AI Prompt API。用户可以安装Python库，通过几行代码自定义API，并通过单个命令进行部署和分享。Steamship提供免费的计划，限制为500次API调用和200,000个字符/40MB的插件（LLM）使用，同时还提供支持和调试帮助。

AI to Data 是一个由人工智能驱动的数据生成器，允许用户为任何用例生成真实数据。它采用先进的AI技术生成可靠和安全的数据。用户只需注册或登录平台，提供自然语言查询以指定所需数据类型和行数，系统将生成请求的数据，用户可以以CSV文件格式下载。

Transfusion是一种可以生成文本和图像的训练模型的统一方法，结合了语言建模和扩散的优势。它通过结合下一个Token预测与扩散，在混合模态序列上训练单个Transformer，提供了优于传统方法的扩展性，支持高达7B参数和2T多模态标记。

Lore是一个本地的Mac IDE，专为提示工程和时间旅行而设计。它提供版本控制、全文搜索、多模型支持、组合运行、变体、模型成本感知功能、API集成、令牌统计、自定义端点、本地模型、表格、语法高亮、LaTeX支持、笔记导出、快捷键、Vim模式以及沙盒环境。Lore使用Cocoa、SwiftUI和SQLite构建，旨在提升用户在提示工程中的效率和体验。

Baichuan是一个开源的多模态AI平台，专为多模态AI开发设计。它提供整合文本、图像等多模态数据的工具，支持高效的模型训练与推理，适用于复杂场景下的智能应用。平台内置多源数据预处理管道，兼容主流深度学习框架，帮助开发者快速构建多模态AI系统。

PaddleOCR是一个基于PaddlePaddle深度学习框架构建的开源OCR（光学字符识别）工具库，旨在为开发者提供一套全面、领先且实用的工具，以训练高质量的OCR模型并将其应用于实际场景中。它提供了多种OCR相关的前沿算法，并在此基础上构建了产业级特色模型，如PP-OCR、PP-Structure和PP-ChatOCR，覆盖了从数据生产到模型训练、压缩和预测部署的完整流程。

深度与广度学习框架（Deep and Wide Learning，简称DWL）是一种结合宽线性模型和深神经网络的框架，旨在提升深度学习模型的准确性和计算效率。该框架特别适用于处理稀疏输入数据，通过协同学习数据内部和数据间的表征，显著改善推荐系统、分类和回归任务的性能。DWL最初由Google研究团队提出，主要用于推荐系统，如YouTube视频推荐，结合了宽线性模型的记忆能力和深神经网络的泛化能力。

PyTorch是一个开源的深度学习框架，广泛用于计算机视觉和自然语言处理等领域。

tinygrad 是一个设计极简的深度学习框架，旨在提供 PyTorch 和 micrograd 之间的平衡。它以简洁性为特点，方便用户添加新的加速器，并支持推理和训练。tinygrad 实现了自动微分和张量库，并提供优化器和数据加载器等组件，支持神经网络的构建和训练。其核心优势在于极简的设计和强大的延迟执行能力，已成功用于训练 LLaMA 和 Stable Diffusion 等神经网络模型，支持在 GPU、TPU 和 FPGA 等多种加速器上运行。

一个专为苹果设备设计的深度学习框架，让深度学习在Apple Silicon上飞速运行。

labelGo是一款基于labelImg及YOLOV5的图形化半自动标注工具，旨在通过集成YOLOV5模型，提供高效、便捷的图像标注解决方案。该工具支持多种图像格式的标注，自动生成兼容主流深度学习框架的标注文件，显著减少人工标注的工作量。

OpenCV Zoo是由OpenCV提供的预训练深度学习模型和算法集合，适用于各种计算机视觉任务。该项目包含了多种预训练模型，支持多种深度学习框架，如TensorFlow、PyTorch和ONNX，并提供了易于使用的API，方便将模型集成到应用中。项目开源且社区驱动，定期更新新模型和改进。

Kolmogorov-Arnold Transformer (KAT) 是一个基于PyTorch和GPU加速的实现，旨在通过替换传统Transformer中的MLP层为KAN层，从而在大规模训练场景下显著提升模型性能。该项目专为需要高效处理大规模数据的深度学习任务设计，支持与现有PyTorch项目的无缝集成。

cl-waffe2是一个基于Common Lisp的图和张量抽象的深度学习框架，具有可扩展性、内联优化、图优化、可视化和调试等特点，旨在为研究和开发提供强大的工具支持。

DeepFace 是一个基于深度学习的轻量级人脸识别和面部属性分析库，专为 Python 设计。它能够高效地进行人脸识别、面部表情分析、年龄、性别、情绪和种族等属性识别。支持多种深度学习模型和常见的人脸数据集，具有出色的识别精度和跨平台兼容性。DeepFace 提供简单的 API 接口，易于集成到现有系统中，非常适合人脸验证系统、智能识别场景以及情感分析等应用的开发。

Robust Video Matting (RVM) 是一个基于PyTorch、TensorFlow、TensorFlow.js、ONNX和CoreML的强大视频抠图工具，能够提供高质量的抠图效果，并具备实时处理能力和良好的鲁棒性，适应各种视频条件。

一个用于非因果建模的双向线性注意力实现项目，通过Triton优化模型性能，特别适合需要高效处理大量数据的AI应用

Java AI 训练平台是为 Java 程序员设计的一个综合解决方案，旨在通过 Java 技术加速 AI 模型的训练和应用开发。平台集成了 Java 版的 Pytorch 训练引擎、AI SDK 和 Web 应用，提供从模型训练到服务部署的一站式服务，特别适合图像数据深度学习和模型训练的场景。平台基于 Java 语言开发，充分利用 Java 的跨平台、高性能和安全性优势，使 AI 模型训练和应用更加高效稳定。用户可以根据实际需求定制 AI 模型，尤其在图像识别分类领域，通过调整参数和选择算法优化性能。平台提供从数据预处理到服务部署的完整流程，大幅降低 AI 应用开发的门槛和成本，且项目开源免费，支持商业使用。

JDet是一个基于Jittor框架的开源遥感图像定向目标检测工具库，专注于高效处理和分析空中图像数据。它由清华大学CSCG组维护，支持多种主流检测模型和遥感数据集，提供从训练、测试到结果可视化的完整流程，并通过灵活的配置系统满足研究和开发需求。