OLMo-core开源项目 – OLMo语言模型核心构建模块

这是一个基于PyTorch的实时3D多人姿态估计演示项目。它支持使用OpenVINO后端进行快速的CPU推理，适用于实时应用。项目具有轻量级和高效的特点，能够在视频流中实时检测和估计多人的3D姿态，并提供3D姿态可视化。

Clear.ml 是一个开源的连续机器学习平台，专注于促进 AI/ML 模型的开发、集成、部署和扩展，支持从数据管理到模型训练再到部署的整个生命周期。

llama-jax是LLaMA的JAX实现，旨在利用Google Cloud TPU进行训练，提供高效、灵活的模型训练解决方案。

ModelScope是一个基于'模型即服务'(MaaS)理念的开源平台，整合了AI社区最先进的机器学习模型，覆盖计算机视觉(CV)、自然语言处理(NLP)、语音、跨模态和科学计算等多个领域。它提供统一的接口和实现，支持模型的推理、训练和评估，简化了模型在现实世界应用中的使用过程。平台公开了超过700个模型，支持从文本生成到图像处理等多种场景，并可与Hugging Face等社区集成扩展资源。

machina是一个基于PyTorch构建的深度强化学习框架，旨在简化和加速深度强化学习算法的研究和开发。它提供了多种深度强化学习算法的支持，并具备高效的并行计算能力。框架采用模块化设计，便于扩展和定制，同时提供了丰富的文档和示例代码，帮助用户快速上手和深入理解强化学习原理。

JaxIRL是一个在JAX框架中实现的反向强化学习(IRL)算法，能够以极高的效率训练模型，支持多种算法，具有灵活性和可扩展性。

lightning-uq-box是一个基于PyTorch和Lightning的库，旨在为现代神经网络提供多种不确定性量化(UQ)技术，支持灵活的模型训练和评估，并与现有的PyTorch项目无缝集成。

Collie是一个多功能的AI模型训练与部署框架，旨在简化机器学习模型的开发和管理过程。它基于PyTorch，结合了DeepSpeed和MegatronLM，避免使用复杂的外部库，并提供用户友好的接口和多种内置工具。

一套用于在Google Cloud Vertex AI和Google Kubernetes Engine上训练和部署模型的Docker镜像

tsfm是一个开放笔记本和实用工具，专注于时间序列基础模型的研究与应用，帮助用户进行时间序列数据分析和建模。

AtomGPT是基于LLaMA的模型架构，通过从零开始训练，旨在展示模型的进化过程及学习能力的提升，帮助研究人员深入理解模型的学习过程。

MLGB是一个包含50+点击率预估和推荐系统深度模型的、通过TensorFlow和PyTorch撰写的库，旨在提供高效的模型和工具，帮助开发者快速构建和优化推荐系统。

traiNNer是一个基于PyTorch的深度学习框架，旨在实现图像和视频的超分辨率、恢复以及图像到图像的翻译。它提供了灵活的模型结构，支持多种功能，适用于不同的图像处理需求。

文本相似度（匹配）计算，提供Baseline、训练、推理、指标分析等功能，支持TensorFlow和Pytorch两个版本，适合不同需求的开发者使用。

MathPile是一个多样化且高质量的以数学为中心的语料库，包含约95亿个tokens，数据来源广泛，适用于教育和研究。