Motion 是一个用于构建机器学习(ML)应用的轻量级框架，旨在减少确保模型、提示和其他有状态对象与数据保持最新的 MLOps 负担。它提供了一系列工具和功能，帮助开发者简化机器学习的部署与管理。
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。
LLM App是一个用于构建和服务AI应用以及支持LLM的实时数据管道的生产框架，旨在简化AI管道，集成各种功能，提升开发效率。
PoplarML是一个平台，允许用户轻松部署生产就绪且可扩展的机器学习系统，工程投入极少。它提供命令行工具，支持将ML模型部署到GPU集群，并兼容Tensorflow、Pytorch和JAX等流行框架。用户可以通过REST API端点调用模型，实现实时推断。
Datagran是一个强大的AI云数据平台，允许用户连接应用程序、运行模型和自动化工作流程。它为技术和非技术用户提供灵活性，以企业级平台的价格提供服务。用户可以轻松创建数据模型、可视化数据并与他人协作，从而通过协作提升52%的目标完成率。
PyTorch是一个开源的深度学习框架，广泛用于计算机视觉和自然语言处理等领域。
Grid.ai是一个专注于机器学习的平台，旨在使最先进的AI研究民主化，而不是关注基础设施。用户可以通过注册网站并参考提供的文档和教程来使用Grid.ai。
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。
Phoenix是一个notebook-first的Python库，利用嵌入技术发现LLM、计算机视觉(CV)、自然语言处理(NLP)和表格模型中的潜在现象和问题。它支持多种模型的可观察性，提供洞察发现工具，帮助识别和解决模型问题，并集成监控功能以实时跟踪模型性能，同时支持模型的微调和优化。
Portkey 使得你的AI应用的生产化变得轻而易举，提供统一的API管理多个AI提供商，确保应用的可靠性，并提供实时监控和调试功能。
ML-Recipes是一个集合，包含多个独立的Python机器学习算法实现，提供易于理解和修改的代码示例，适合初学者和机器学习研究者，涵盖多种机器学习任务和技术。
Picterra是一款用于训练、部署和管理机器学习模型的软件平台，专注于地理空间应用和商业服务。它提供AI驱动的解决方案，能够在卫星、无人机和航空影像中快速检测对象、监测变化和发现模式，效率提升95%。该平台的云原生特性使用户能够优化地理空间工作流程，更快检测对象，推动可持续行动。
Okrolearn是一个由Okerew创建的机器学习库，旨在简化机器学习模型的构建和训练过程。它提供了一系列工具和功能，帮助开发者快速实现和优化机器学习算法，适用于研究和实际应用。
AutoML Toolkit是一个用于构建AutoML系统的框架，旨在通过简明的研究成果支持各种AutoML设计决策，允许简单原型扩展到可用的计算资源，并提供一个可扩展的框架来构建真实而强大的AutoML系统。
