tsai是一个基于Pytorch和fastai的深度学习库，专注于时间序列和序列数据的处理。它提供了多种先进的深度学习模型和预训练工具，支持时间序列分类、回归、预测等任务。tsai易于集成和使用，适合快速实验和模型调优，是处理时间序列数据的理想选择。
sktime 是 Python 中用于时间序列分析的库。它为多个时间序列学习任务提供了一个统一的界面，包括时间序列分类、回归、聚类、注释和预测。
Unsloth Zoo是一个提供用于Unsloth的实用工具库，旨在支持免费微调和加速大型语言模型，帮助开发者更高效地使用和优化语言模型。
ml-calibration是一个用于测量校准和绘制可靠性图表的工具包，提供了可视化方法来评估模型的校准程度，并生成可靠性图表以帮助分析模型的可靠性。该工具包支持多种校准方法的比较，易于集成到现有的机器学习工作流中。
基于 MLX 框架的 Silicon LLM 训练和推理工具包，简化了在 Apple Silicon 上训练和运行大语言模型的过程，旨在为开发者提供高效、易用的工具，以应对资源有限的设备上的大语言模型需求。
这是一个可扩展且高效的主动学习/数据选择系统，旨在为每个人提供服务，优化数据选择过程，以提高模型训练的效率，并支持用户友好的接口和灵活的集成。
Ollama 是一个轻量级、可扩展的框架，旨在让用户能够轻松地在本地运行和自定义大语言模型。它支持多种大语言模型，包括 Llama 3.1、Phi 3、Mistral、Gemma 2 等，并提供 OllamaGenerator 和 OllamaChatGenerator 组件，用于集成到 Haystack 2.0 管道中。Ollama 还支持自定义和创建自己的模型，提供方便的 Docker 容器部署方法，并支持文本嵌入和文档嵌入功能。此外，Ollama 在单机部署效率上提升了3倍，支持多平台（Windows/Mac/Linux）和硬件适配（自动识别CPU/GPU/NPU算力）。
