MLOps

Kubeflow Pipelines是Kubeflow平台的一部分，专注于在Kubernetes上简化和自动化机器学习工作流的部署。它提供了一个端到端的ML工作流框架，帮助数据科学家和ML工程师更高效地构建、实验和部署ML模型。Kubeflow Pipelines支持可重用的组件和管道，使得用户能够快速构建和迭代ML解决方案，而无需每次都重新构建。它还支持多种容器运行时，并且可以独立部署或作为Kubeflow平台的一部分使用。

这个项目展示了如何在Google Cloud上使用TensorFlow、TFX和Vertex AI实现端到端的机器学习运维。它集成了自动化的数据摄取、模型训练和评估，并提供了监控和日志记录功能，展示了机器学习中的CI/CD最佳实践。

《TensorFlow in Action》教你使用TensorFlow 2构建、训练和部署深度学习模型，涵盖从DL基础知识到NLP、图像处理和MLOps的高级应用。

展示如何使用 TensorFlow 生态系统从 Transformers 构建视觉模型的机器学习管道，支持完整的 MLOps 流程，集成模型管理和监控功能。

Metaflow 是一个用于构建和管理实际机器学习、人工智能和数据科学项目的平台，支持从笔记本探索、开发、测试到云端扩展，简化了实验部署流程。

AISTUDIO是一个融合AI和机器学习的平台，旨在帮助企业利用数据和实时洞察力，推进数字化转型，支持重要业务决策的制定。

一个自托管的 GitHub Copilot，GitHub Copilot 的开源/本地替代方案，旨在提供灵活的开发体验。它可以在本地运行，无需依赖外部数据库或云服务，同时具备可视化界面和强大的API接口，方便集成到现有开发环境中。

只需450美元就能训练自己的o1 preview模型，为开发者提供低成本、高效能的AI模型训练方案，助力AI创新与应用

LLime通过深入理解企业数据，设计个性化的AI助手，帮助提升团队生产力，推动数据驱动决策。

这是一个完整的管道，用于在消费硬件上使用LoRA和RLHF微调Alpaca LLM。基于Alpaca架构实现人类反馈的强化学习（RLHF），基本上是ChatGPT的一个变体，但使用的是Alpaca。

ExLlamaV2是一个高效的推理库，旨在让用户能够在现代消费级GPU上本地运行各种大型语言模型（LLMs），并优化内存使用，以实现快速推理。

OneDiff 是一个用于提升 Stable Diffusion 和 Stable Video Diffusion 性能的工具，提供社区版和企业版，支持多种硬件加速，能够显著提高计算速度和图像生成效率。它适用于机器学习、图像处理和数据分析等多个领域，支持多种模型和场景的实时生成与修改。

Netmind Power是一个分布式平台，利用用户提供的GPU构建去中心化的计算网络，以降低机器学习模型训练的成本，提升训练效率。通过这种方式，用户可以更智能、更快速地进行模型训练，助力机器学习项目的成功。

Salad 是一个提供超过10,000个GPU的云平台，专为生成式AI设计。它允许用户节省高达90%的云计算费用，并轻松部署AI/ML生产模型。用户可以通过注册账户、选择资源、容器化应用程序，Salad将管理其余的操作。

MLX 是 Apple 芯片上用于机器学习的阵列框架，由 Apple 机器学习研究团队提供。它提供了熟悉的 API 和强大的功能，支持多种计算模式和设备，旨在简化机器学习模型的构建与训练。

llama-node是一个基于Node.js的项目，旨在提供对LLaMA和Alpaca语言模型的支持。该项目允许用户在本地CPU上高效运行这些模型，适合个人计算机使用。它基于llama-rs构建，旨在促进AI技术的民主化，使更多开发者能够轻松访问和使用大语言模型。

Sparse-Marlin是一个优化工具，专为4bit量化权重的2:4稀疏性推理核设计，旨在提升深度学习模型的计算效率和存储效率，适用于各种深度学习应用。

Tricksy是一款支持在单个GPU上进行快速推理的工具，利用稀疏感知卸载技术来提高推理效率和速度，同时优化资源使用，适用于深度学习模型的多种场景。