计算图构建与测试

PySpur是一个可视化大型语言模型推理路径的图形界面，旨在帮助开发者构建、测试和部署复杂的计算图，从而增强模型的思考能力。

Web LLM 是一个可以在浏览器中直接运行大型语言模型的工具，支持通过 WebGPU 加速。它支持多种大型语言模型，包括 Llama 2 7B/13B、Mistral 7B 和 WizadMath，并能够在设备内存为 64GB 的情况下运行 Llama 2 70B 模型。利用 WebGPU 提供更快、更流畅的模型运行体验，仅需约 6GB 的显存即可运行 Llama 7B 和 Vicuna-7B。

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。

A.I Framewerks是一个强大而全面的人工智能框架，旨在帮助开发者轻松创建和部署AI模型。它提供广泛的功能和工具，以加速开发过程并提高性能。

Multipack Sampler是一种专门为大型语言模型设计的分布式采样器，旨在实现快速的无填充训练，提升训练效率同时优化资源使用。

Taylor AI 是一个高效的工具，旨在帮助用户在几分钟内微调开源大语言模型（如Llama2、Falcon等）。它让用户专注于实验和构建更好的模型，而不用花时间在繁琐的Python库上或跟进每一个开源LLM的更新。同时，用户拥有自己的模型，提升了数据安全性和控制权。

o1推理链旨在利用Groq、OpenAI或Ollama等技术，创建类似o1的推理链，以提高大型语言模型（LLMs）的逻辑推理能力。该项目提供了创建和管理推理链的工具，具有优良的可扩展性和灵活性，适合多种应用场景。

Ollama是一个能创建、运行和共享自包含大型语言模型(LLM)的工具，将模型的权重、配置、提示等打包成自包含的文件，可以在任何地方运行。

Composable Prompts是一个顶尖平台，旨在快速构建、测试和部署基于大型语言模型（LLMs）的任务和API。它为LLMs的世界带来了组合、模板、测试、缓存和可视化等功能，使开发者能够高效地创建强大的提示，重用它们，并在不同环境中进行测试。同时，它通过智能缓存优化性能和成本，并允许轻松切换模型和运行环境。

该教程是连接基础微积分与深度学习实践的桥梁，适合希望摆脱“黑箱”使用框架、深入理解模型数学本质的开发者。

Local AI Stack是一个入门套件，旨在帮助开发者构建可以在本地运行的AI应用，运行成本为零，适合从文档问答功能开始，用JavaScript进行开发，方便易用。

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。