μKG开源项目 – 多源知识图谱嵌入与应用库

EasyVolcap是一个基于PyTorch的库，专注于加速神经体积视频的研究，特别是在体积视频捕获、重建和渲染领域。它提供了预构建的深度学习模型，支持自定义网络构建，允许研究人员灵活地创建新算法。通过协同优化器、采样器和渲染器的设计，实现了高效的模型训练和渲染。此外，EasyVolcap还提供了预训练模型和数据集，以加速研究过程，并已被广泛应用于神经体积视频算法的研究和开发。

torchtune是一个用于训练、微调和实验大型语言模型（LLM）的PyTorch库。它利用最新的PyTorch API实现内存效率和性能优化，并支持YAML配置以简化训练和评估流程。torchtune适用于微调LLM以用于文本生成、问答和对话生成等任务，并支持量化、剪枝等后训练技术，以针对特定用例优化模型。此外，torchtune与Hugging Face Transformers、torchao和EleutherAI的LM Eval Harness等工具集成，提供了丰富的功能和灵活性。

NeuralOperator 是一个 PyTorch 库，专注于在无限维度中学习神经算子。它提供了傅里叶神经算子和张量化神经算子的实现，能够学习函数空间之间的映射，并且具有分辨率不变性，使得训练后的算子可以应用于任何分辨率的数据。该库支持多种高效的计算方法，如傅里叶变换和张量分解，以提高模型的计算效率。

pytorch-lifestream 是一个基于 PyTorch 的库，专门用于在离散事件序列上构建嵌入。该库利用自监督学习方法，能够高效地生成序列数据的嵌入表示，适用于各种时间序列和事件驱动的应用场景。

Jax GPT是对Karpathy的nanoGPT的重写，基于Jax和Flax框架构建，旨在提供高效的文本生成能力，支持快速训练和推理，具有易于扩展和修改的架构，能够充分利用高性能的并行计算。

MoE-Infinity 是一个专为 Mixture-of-Experts (MoE) 模型的推理和服务而设计的 PyTorch 库，具有低成本、高性能和易于使用的特点。它通过专家模块内存卸载和优化技术，显著降低了显存占用和推理延迟，同时兼容 HuggingFace 模型，能够无缝对接主流大型语言模型 (LLM)。

Taichi是一种嵌入在Python中的领域特定语言，旨在加速Python代码执行，使其运行速度接近C++甚至CUDA，提供高性能的计算能力，同时保持Python的灵活性和简洁性。它支持多种硬件平台，包括CPU和GPU，并内置自动微分功能，具有强大的并行计算能力，适合各类高性能计算任务。

TorchGeo 是一个基于 PyTorch 的库，专门为处理地理空间数据的机器学习专家和遥感专家提供数据集、采样器、转换和预训练模型。它简化了复杂的地理空间数据处理操作，并提供了针对特定卫星传感器优化的预训练模型。TorchGeo 的目标是让机器学习专家更容易处理地理空间数据，同时让遥感专家更容易探索机器学习解决方案。

Glow是一个用Go语言编写的易用分布式计算系统，类似于Hadoop MapReduce、Spark、Flink、Storm等。它旨在简化分布式计算任务的开发与部署，适用于多种数据处理场景。

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。

为Flux模型实现区域注意力功能，通过添加区域注意力节点，使模型能够根据不同的区域和条件生成更精细的图像内容，提升图像生成的细节表现力和个性化程度

Intuition Machines专注于将AI/ML研究转化为隐私保护的平台和服务，服务于全球数百万用户。他们的解决方案专注于通过持续适应不断变化的数据来保持准确性。

MuJing 是一个专注于学习和复习的工具，支持多种学习模式，并提供个性化的复习提醒，旨在帮助用户更高效地掌握知识。

Moments 是一款利用人工智能根据用户当下情绪生成个性化冥想的应用。它通过舒缓的AI声音引导用户进行针对性心智技巧的练习，帮助用户达到所期望的心理状态。

Briefer是一个功能强大的仪表盘和笔记本平台，集成了代码编写、数据可视化和团队协作功能。它支持Markdown、Python和SQL，提供原生可视化支持，使用户能够灵活地构建数据应用和生成数据报告。无论是创建仪表盘、构建类似Notion的笔记本，还是与团队共享工作成果，Briefer都能满足多样化的需求。