机器学习工作流引擎

Katana ML Skipper 是一个简单且灵活的机器学习工作流引擎，支持多种机器学习任务，具有强大的可扩展性，能够轻松集成其他工具和库，帮助用户高效地创建和管理机器学习工作流。

Censius是一个AI可观察性和模型监控平台，帮助团队理解、分析和改善AI模型在实际应用中的表现。它提供了对结构化和非结构化生产模型的端到端可见性，并支持主动的模型管理。

FastML是一个终极的MLOps基础框架，旨在加速机器学习项目的开发与部署。它提供了全面的数据处理、预处理、建模和部署脚本，为用户从创意到生产的旅程提供了简化的解决方案。

diffusers-rs是一个基于Rust和Torch的Diffusers API，旨在提供高性能的图像生成和模型推理功能。它支持多种预训练模型，并提供易于扩展和自定义的架构，适合在机器学习工作流中使用。

Hasty是一个集成平台，帮助用户从原始图像或视频生成可投入生产的AI模型，无需复杂的MLops技能或集成。

LLMPruner是一款专为大语言模型设计的裁剪工具，旨在优化模型性能并减少其参数量。它支持多种模型架构，并提供可视化工具，方便用户了解模型结构和裁剪效果，易于与现有机器学习工作流集成。

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。

Meta 的应用强化学习团队带来了可投入生产的强化学习 AI 代理库，支持多种算法和高效的样本利用率，适用于不同的应用场景。

Dify 是一个开源的 LLM 应用开发平台，融合了 Backend as Service 和 LLMOps 的理念，提供直观的界面，结合 AI 工作流、RAG 管道、代理功能、模型管理和可观测性功能，帮助开发者快速从原型阶段过渡到生产环境。它涵盖了构建生成式 AI 原生应用所需的核心技术栈，包括一个内置 RAG 引擎。

一种新的优化器，结合了Prodigy和ScheduleFree的优点，旨在减少机器学习训练中的超参数设置，提高模型训练的效率和稳定性。通过简化参数调整过程，帮助用户更专注于模型开发和优化。

FasterTransformer是一个高度优化的基于Transformer的编码器和解码器组件，提供高效的推理和训练性能，支持多种Transformer模型，并兼容多种深度学习框架，灵活配置以满足不同需求。

nnsight包使得用户能够解释和操控深度学习模型的内部结构，支持多种深度学习框架，帮助研究和实验。

SuperDuperDB是一个强大的平台，允许用户在各种数据存储上轻松部署、训练和操作任意AI模型和API。它旨在简化AI模型的训练流程，提供用户友好的界面，并支持与现有API的无缝集成，从而提高数据处理的效率和灵活性。

OpenAI Tools是一个综合工具包，旨在帮助用户充分利用他们的OpenAI账号。它提供了API使用情况跟踪、ChatGPT微调数据集管理、微调任务的创建、监控和取消、训练日志的审查和可视化、直接测试和比较微调及其他模型等功能。

《2000 Machine Learning Prompts》是一个全面的资源，旨在帮助爱好者学习和实验机器学习，使他们熟悉其功能和在不同上下文中的应用。

RSP项目利用随机帧预测技术进行视觉表示学习，旨在提高学习效率，适用于各种视觉表示任务。

基于扩散模型的控制与规划教程，深度学习在控制和规划中的应用指南，通过扩散模型生成样本，解决多模态分布匹配问题，提高训练稳定性和可扩展性。

Lorai是一个平台，允许用户使用自己的品牌资产训练生成AI模型，以在几秒钟内创建独特内容。用户可以在浏览器中轻松训练低秩适应（LoRAs），无需计算资源，快速生成高质量设计元素。