Machine Learning Guide
1.0.0
注意：您可以使用這個方便的擴充 Markdown PDF 在 VSCode 中輕鬆地將此 Markdown 檔案轉換為 PDF。
機器學習/深度學習框架。
機器學習學習資源
機器學習框架、函式庫和工具
演算法
PyTorch 開發
TensorFlow 開發
核心機器學習開發
深度學習開發
強化學習開發
電腦視覺開發
自然語言處理 (NLP) 開發
生物資訊學
CUDA開發
MATLAB開發
C/C++開發
Java開發
Python開發
斯卡拉開發
R開發
茱莉亞發展
回到頂部
機器學習是人工智慧 (AI) 的一個分支，專注於使用從資料模型中學習的演算法來建立應用程序，並隨著時間的推移提高其準確性，而無需進行程式設計。
回到頂部
Microsoft 自然語言處理 (NLP) 最佳實踐
微軟自動駕駛手冊
Azure 機器學習 - ML 即服務 |微軟Azure
如何在 Azure 機器學習工作區中執行 Jupyter Notebook
機器學習和人工智慧|亞馬遜網路服務
在 Amazon SageMaker 暫存實例上排程 Jupyter 筆記本
人工智慧與機器學習 | Google雲
在 Google Cloud 將 Jupyter Notebook 與 Apache Spark 結合使用
機器學習 |蘋果開發者
人工智慧與自動駕駛 |特斯拉
元人工智慧工具 | Facebook
PyTorch 教學課程
TensorFlow 教學課程
Jupyter實驗室
Apple Silicon 上的 Core ML 穩定擴散
回到頂部
史丹佛大學的機器學習作者：Andrew Ng | Coursera
AWS 機器學習 (ML) 課程培訓和認證
Microsoft Azure 機器學習獎學金計畫 |優達學城
Microsoft 認證：Azure 資料科學家助理
微軟認證：Azure AI 工程師助理
Azure 機器學習訓練與部署
透過 Google Cloud Training 學習機器學習和人工智慧
Google Cloud 機器學習速成課程
線上機器學習課程 |烏德米
線上機器學習課程 | Coursera
透過線上課程學習機器學習 | edX
回到頂部
機器學習簡介 (PDF)
人工智慧：一種現代方法 作者：Stuart J. Russel 和 Peter Norvig
深度學習 作者：Ian Goodfellow、Yoshoua Bengio 和 Aaron Courville
Andriy Burkov 的百頁機器學習書
機器學習，作者：Tom M. Mitchell
程式設計集體智慧：建立智慧 Web 2.0 應用程序，作者：Toby Segaran
機器學習：演算法視角，第二版
模式辨識與機器學習 作者：Christopher M. Bishop
使用 Python 進行自然語言處理 作者：Steven Bird、Ewan Klein 和 Edward Loper
Python 機器學習：初學者的機器學習技術方法作者：Leonard Eddison
貝葉斯推理與機器學習作者：David Barber
絕對初學者的機器學習：奧利弗·西奧博爾德 (Oliver Theobald) 的簡單英語介紹
機器學習的實際應用作者：Ben Wilson
使用 Scikit-Learn、Keras 和 TensorFlow 進行機器學習實踐：建構智慧系統的概念、工具和技術 作者：Aurélien Géron
Python 機器學習簡介：資料科學家指南 作者：Andreas C. Müller 與 Sarah Guido
黑客機器學習：幫助您入門的案例研究和演算法 作者：Drew Conway 和 John Myles White
《統計學習的要素：資料探勘、推理與預測》作者：Trevor Hastie、Robert Tibshirani 和 Jerome Friedman
分散式機器學習模式 - 書籍（免費線上閱讀）+代碼
現實世界的機器學習 [免費章節]
統計學習簡介 - 書籍 + R 代碼
統計學習的要素 - 書
Think Bayes - 書籍 + Python 程式碼
挖掘海量資料集
第一次接觸機器學習
機器學習簡介 - Alex Smola 和 SVN Vishwanathan
模式識別的機率理論
資訊檢索簡介
預測：原理與實踐
機器學習簡介 - Amnon Shashua
強化學習
機器學習
人工智慧的探索
數據科學 R 程式設計
資料探勘 - 實用的機器學習工具和技術
使用 TensorFlow 進行機器學習
機器學習系統
機器學習基礎 - Mehryar Mohri、Afshin Rostamizadeh 和 Ameet Talwalkar
人工智慧驅動的搜尋 - Trey Grainger、Doug Turnbull、Max Irwin -
機器學習的整合方法 - Gautam Kunapuli
機器學習工程實務 - Ben Wilson
隱私保護機器學習 - J. Morris Chang、Di Zhuang、G. Dumindu Samaraweera
自動化機器學習的實際應用 - Qingquan Song、Haifeng Jin 和 Xia Hu
分散式機器學習模式 - Yuan Tang
管理機器學習專案：從設計到部署 - Simon Thompson
因果機器學習 - Robert Ness
貝葉斯優化實務 - Quan Nguyen
深度機器學習演算法）- Vadim Smolyakov
優化演算法 - Alaa Khamis
Guillaume Saupin 的實用梯度提升
回到頂部
回到頂部
TensorFlow 是一個用於機器學習的端到端開源平台。它擁有一個由工具、庫和社區資源組成的全面、靈活的生態系統，使研究人員能夠推動機器學習領域的最先進技術，並使開發人員能夠輕鬆建立和部署機器學習驅動的應用程式。
Keras 是一種高階神經網路 API，用 Python 編寫，能夠在 TensorFlow、CNTK 或 Theano 之上運作。它能夠在 TensorFlow、Microsoft Cognitive Toolkit、R、Theano 或 PlaidML 上運行。
PyTorch 是一個用於對不規則輸入資料（例如圖形、點雲和流形）進行深度學習的函式庫。主要由 Facebook 的人工智慧研究實驗室開發。
Amazon SageMaker 是一項完全託管的服務，讓每位開發人員和資料科學家能夠快速建置、訓練和部署機器學習 (ML) 模型。 SageMaker 消除了機器學習過程每個步驟的繁重工作，使開發高品質模型變得更加容易。
Azure Databricks 是一項基於 Apache Spark 的快速協作大數據分析服務，專為資料科學和資料工程而設計。 Azure Databricks 可在幾分鐘內設定 Apache Spark 環境、自動縮放並在互動式工作區中協同處理共用專案。 Azure Databricks 支援 Python、Scala、R、Java 和 SQL，以及資料科學框架和函式庫，包括 TensorFlow、PyTorch 和 scikit-learn。
Microsoft Cognitive Toolkit (CNTK) 是商業級分散式深度學習的開源工具包。它將神經網路描述為透過有向圖的一系列計算步驟。 CNTK 讓使用者可以輕鬆實現和組合流行的模型類型，例如前饋 DNN、卷積神經網路 (CNN) 和循環神經網路 (RNN/LSTM)。 CNTK 透過跨多個 GPU 和伺服器的自動微分和平行化實現隨機梯度下降（SGD，誤差反向傳播）學習。
Apple CoreML 是一個有助於將機器學習模型整合到您的應用程式中的框架。 Core ML 為所有模型提供統一的表示。您的應用程式使用 Core ML API 和使用者資料來進行預測以及訓練或微調模型，所有這些都在使用者的裝置上進行。模型是將機器學習演算法應用於一組訓練資料的結果。您使用模型根據新的輸入資料進行預測。
Apache OpenNLP 是一個開源程式庫，用於基於機器學習的工具包，用於處理自然語言文字。它具有適用於命名實體識別、句子檢測、POS（詞性）標記、標記化特徵提取、分塊、解析和共指解析等用例的 API。
Apache Airflow 是一個由社群創建的開源工作流程管理平台，用於以程式設計方式編寫、安排和監控工作流程。安裝。原則。可擴展。 Airflow 具有模組化架構，並使用訊息佇列來編排任意數量的工作人員。氣流已準備好擴展到無限大。
開放神經網路交換 (ONNX) 是一個開放的生態系統，使人工智慧開發人員能夠隨著專案的發展選擇正確的工具。 ONNX 為人工智慧模型（深度學習和傳統機器學習）提供開源格式。它定義了可擴展的計算圖模型，以及內建運算子和標準資料類型的定義。
Apache MXNet 是一個專為提高效率和靈活性而設計的深度學習框架。它允許您混合符號和命令式編程，以最大限度地提高效率和生產力。 MXNet 的核心包含一個動態依賴調度程序，可以動態自動並行化符號操作和命令操作。其上的圖形優化層使符號執行快速且記憶體高效。 MXNet 輕巧且便攜，可有效擴展到多個 GPU 和多台機器。支援 Python、R、Julia、Scala、Go、Javascript 等。
AutoGluon 是深度學習工具包，可自動執行機器學習任務，讓您在應用程式中輕鬆實現強大的預測效能。只需幾行程式碼，您就可以在表格、圖像和文字資料上訓練和部署高精度深度學習模型。
Anaconda 是一個非常流行的機器學習和深度學習資料科學平台，使用戶能夠開發模型、訓練模型和部署模型。
PlaidML 是一種先進的便攜式張量編譯器，可在筆記型電腦、嵌入式設備或其他可用計算硬體未得到良好支援或可用軟體堆疊包含令人不快的許可限制的設備上實現深度學習。
OpenCV 是一個高度優化的函式庫，專注於即時電腦視覺應用。 C++、Python 和 Java 介面支援 Linux、MacOS、Windows、iOS 和 Android。
Scikit-Learn 是一個基於 SciPy、NumPy 和 matplotlib 構建的用於機器學習的 Python 模組，可以更輕鬆地應用許多流行機器學習演算法的強大而簡單的實作。
Weka 是一款開源機器學習軟體，可透過圖形使用者介面、標準終端應用程式或 Java API 進行存取。它廣泛用於教學、研究和工業應用，包含大量用於標準機器學習任務的內建工具，並且還提供對 scikit-learn、R 和 Deeplearning4j 等知名工具箱的透明存取。
Caffe 是一個深度學習框架，考慮了表達、速度和模組化。它由伯克利人工智慧研究中心 (BAIR)/伯克利視覺與學習中心 (BVLC) 和社區貢獻者開發。
Theano 是一個 Python 函式庫，可讓您有效地定義、最佳化和評估涉及多維數組的數學表達式，包括與 NumPy 的緊密整合。
nGraph 是一個用於深度學習的開源 C++ 函式庫、編譯器和執行時間。 nGraph 編譯器旨在使用任何深度學習框架加速開發 AI 工作負載並部署到各種硬體目標。
NVIDIA cuDNN 是 GPU 加速的深度神經網路基元庫。 cuDNN 為標準例程（例如前向和後向卷積、池化、歸一化和激活層）提供高度調整的實現。 cuDNN 可加速廣泛使用的深度學習框架，包括 Caffe2、Chainer、Keras、MATLAB、MxNet、PyTorch 和 TensorFlow。
Huginn 是一個自託管系統，用於建立代理，為您在線上執行自動化任務。它可以讀取網路、監視事件並代表您採取操作。 Huginn 的代理程式創建並使用事件，並沿著有向圖傳播它們。將其視為您自己的伺服器上的 IFTTT 或 Zapier 的可破解版本。
Netron 是神經網路、深度學習和機器學習模型的檢視器。它支援 ONNX、TensorFlow Lite、Caffe、Keras、Darknet、PaddlePaddle、ncnn、MNN、Core ML、RKNN、MXNet、MindSpore Lite、TNN、Barracuda、Tengine、CNTK、TensorFlow.js、Caffe2 和 UFF。
多巴胺是一種用於強化學習演算法快速原型設計的研究架構。
DALI 是一個 GPU 加速程式庫，包含高度最佳化的建置區塊和用於資料處理的執行引擎，以加速深度學習訓練和推理應用程式。
MindSpore Lite 是一個新的開源深度學習訓練/推理框架，可用於移動、邊緣和雲端場景。
Darknet 是一個用 C 和 CUDA 寫的開源神經網路框架。它速度快、易於安裝，並支援 CPU 和 GPU 運算。
PaddlePaddle是一個易用、高效、靈活、可擴展的深度學習平台，最初由百度科學家和工程師開發，旨在將深度學習應用到百度的眾多產品中。
GoogleNotebookLM 是一款實驗性 AI 工具，利用語言模型的強大功能與您的現有內容結合，更快獲得關鍵見解。類似於虛擬研究助理，可以總結事實，解釋複雜的想法，並根據您選擇的來源集思廣益新的聯繫。
Unilm 是一種跨任務、語言和模式的大規模自我監督預訓練。
語意核心 (SK) 是一種輕量級 SDK，可將 AI 大語言模型 (LLM) 與傳統程式語言整合。 SK 可擴展程式設計模型結合了自然語言語義功能、傳統程式碼本機功能和基於嵌入的內存，釋放了新的潛力，並為人工智慧應用程式增加了價值。
Pandas AI 是一個 Python 函式庫，它將產生人工智慧功能整合到 Pandas 中，使資料幀具有對話性。
NCNN 是針對行動平台最佳化的高效能神經網路推理框架。
MNN 是一個極快的輕量級深度學習框架，經過阿里巴巴關鍵業務用例的實際測試。
MediaPipe 針對多種平台上的端到端效能進行了最佳化。查看演示 了解更多 複雜的設備上 ML，已簡化 我們已經抽象化了使設備上 ML 可自訂、可用於生產且可跨平台訪問的複雜性。
MegEngine 是一個快速、可擴展且使用者友好的深度學習框架，具有 3 個關鍵功能： 用於訓練和推理的統一框架。
ML.NET 是一個機器學習庫，被設計為可擴展平台，以便您可以使用其他流行的 ML 框架（TensorFlow、ONNX、Infer.NET 等）並存取更多機器學習場景，例如影像分類、物件偵測等等。
Ludwig 是一個聲明性機器學習框架，可以使用簡單且靈活的資料驅動配置系統輕鬆定義機器學習管道。
MMdnn 是一款全面的跨框架工具，用於轉換、視覺化和診斷深度學習 (DL) 模型。 「MM」代表模型管理，「dnn」是深度神經網路的縮寫。在 Caffe、Keras、MXNet、Tensorflow、CNTK、PyTorch Onnx 和 CoreML 之間轉換模型。
Horovod 是一個適用於 TensorFlow、Keras、PyTorch 和 Apache MXNet 的分散式深度學習訓練框架。
Vaex 是一個高效能 Python 函式庫，用於惰性外核資料幀（類似於 Pandas），用於視覺化和探索大型表格資料集。
GluonTS 是一個用於機率時間序列建模的 Python 套件，專注於基於深度學習的模型，基於 PyTorch 和 MXNet。
MindsDB 是一個 ML-SQL Server，支援使用 SQL 為最強大的資料庫和資料倉儲提供機器學習工作流程。
Jupyter Notebook 是一款開源 Web 應用程序，可讓您建立和分享包含即時程式碼、方程式、視覺化和敘述文字的文件。 Jupyter 廣泛應用於資料清理和轉換、數值模擬、統計建模、資料視覺化、資料科學和機器學習等產業。
Apache Spark 是用於大規模資料處理的統一分析引擎。它提供 Scala、Java、Python 和 R 中的高級 API，以及支援用於資料分析的通用計算圖的最佳化引擎。它還支援一組豐富的高級工具，包括用於 SQL 和 DataFrames 的 Spark SQL、用於機器學習的 MLlib、用於圖形處理的 GraphX 以及用於流處理的 Structured Streaming。
適用於 SQL Server 和 Azure SQL 的 Apache Spark 連接器是一種高效能連接器，可讓您在大數據分析中使用交易數據，並保留臨時查詢或報告的結果。此連接器可讓您使用本機或雲端中的任何 SQL 資料庫作為 Spark 作業的輸入資料來源或輸出資料接收器。
Apache PredictionIO 是一個面向開發人員、資料科學家和最終用戶的開源機器學習框架。它支援事件收集、演算法部署、評估、透過 REST API 查詢預測結果。它基於 Hadoop、HBase（和其他資料庫）、Elasticsearch、Spark 等可擴展的開源服務，並實現了所謂的 Lambda 架構。
Cluster Manager for Apache Kafka（CMAK）是用來管理 Apache Kafka 叢集的工具。
BigDL 是 Apache Spark 的分散式深度學習函式庫。借助 BigDL，使用者可以將深度學習應用程式編寫為標準 Spark 程序，這些程式可以直接在現有 Spark 或 Hadoop 叢集之上運行。
Eclipse Deeplearning4J (DL4J) 是一組項目，旨在支援基於 JVM（Scala、Kotlin、Clojure 和 Groovy）深度學習應用程式的所有需求。這意味著從原始資料開始，從任何地方、任何格式載入和預處理它，以建立和調整各種簡單和複雜的深度學習網路。
Tensorman 是 System76 開發的一個用於輕鬆管理 Tensorflow 容器的公用程式。此虛擬環境可以獨立於基礎系統運行，讓您在支援 Docker 運行時的任何版本的 Linux 發行版上使用任何版本的 Tensorflow。
Numba 是一個開源的、支援 NumPy 的 Python 最佳化編譯器，由 Anaconda, Inc. 贊助。 Numba 可以編譯大量以數位為中心的 Python 子集，包括許多 NumPy 函數。此外，Numba 支援循環的自動並行化、GPU 加速程式碼的產生以及 ufunc 和 C 回呼的建立。
Chainer 是一個基於 Python 的深度學習框架，旨在實現靈活性。它提供基於運行定義方法（動態計算圖）的自動微分 API 以及物件導向的高級 API 來建立和訓練神經網路。它還支援使用 CuPy 的 CUDA/cuDNN 進行高效能訓練和推理。
XGBoost 是一個最佳化的分散式梯度提升函式庫，旨在高效、靈活和便攜。它在 Gradient Boosting 框架下實作機器學習演算法。 XGBoost 提供了平行樹提升（也稱為 GBDT、GBM），可以快速準確地解決許多資料科學問題。它支援多台機器上的分散式訓練，包括AWS、GCE、Azure和Yarn叢集。它還可以與Flink、Spark等雲端資料流系統整合。
cuML 是一套函式庫，用於實作機器學習演算法和數學原語函數，與其他 RAPIDS 專案共用相容的 API。 cuML 讓資料科學家、研究人員和軟體工程師能夠在 GPU 上執行傳統的表格 ML 任務，而無需深入了解 CUDA 程式設計的細節。在大多數情況下，cuML 的 Python API 與 scikit-learn 的 API 相符。
Emu 是 Rust 的 GPGPU 函式庫，專注於可移植性、模組化和效能。它是基於 WebGPU 的 CUDA 式運算特定抽象，提供特定功能以使 WebGPU 感覺更像 CUDA。
Scalene 是一個適用於 Python 的高效能 CPU、GPU 和記憶體分析器，它可以完成許多其他 Python 分析器沒有也不能做的事情。它的運行速度比許多其他分析器快幾個數量級，同時提供更詳細的資訊。
MLpack 是一個用 C++ 編寫的快速、靈活的 C++ 機器學習函式庫，建構在 Armadillo 線性代數函式庫、ensmallen 數值最佳化函式庫和 Boost 的部分基礎上。
Netron 是神經網路、深度學習和機器學習模型的檢視器。它支援 ONNX、TensorFlow Lite、Caffe、Keras、Darknet、PaddlePaddle、ncnn、MNN、Core ML、RKNN、MXNet、MindSpore Lite、TNN、Barracuda、Tengine、CNTK、TensorFlow.js、Caffe2 和 UFF。
Lightning 是一種建立和訓練 PyTorch 模型並使用 Lightning 應用程式模板將它們連接到 ML 生命週期的工具，無需處理 DIY 基礎設施、成本管理、擴充等。
OpenNN 是一個用於機器學習的開源神經網路庫。它包含複雜的演算法和實用程式來處理許多人工智慧解決方案。
H20 是一個人工智慧雲端平台，可解決複雜的業務問題並加速新想法的發現，並提供您可以理解和信任的結果。
Gensim 是一個用於主題建模、文件索引和大型語料庫相似性檢索的 Python 庫。目標受眾是自然語言處理 (NLP) 和資訊檢索 (IR) 社群。
llama.cpp 是 Facebook 的 LLaMA 模型的 C/C++ 連接埠。
hmmlearn 是一組用於隱藏馬可夫模型的無監督學習和推理的演算法。
Nextjournal 是一本用於可重複研究的筆記本。它運行您可以放入 Docker 容器中的任何內容。透過多語言筆記本、自動版本控制和即時協作來改善您的工作流程。透過按需配置（包括 GPU 支援）節省時間和金錢。
IPython 為互動式運算提供了豐富的架構：
Veles 是三星目前開發的一個用於快速深度學習應用程式開發的分散式平台。
DyNet 是由卡內基美隆大學和其他許多大學開發的神經網路庫。它是用 C++ 編寫的（在 Python 中綁定），旨在在 CPU 或 GPU 上運行時高效，並且能夠與具有針對每個訓練實例而變化的動態結構的網路良好地配合。這類網路在自然語言處理任務中尤其重要，DyNet 已被用來建構用於句法解析、機器翻譯、形態變化和許多其他應用領域的最先進的系統。
Ray 是用於擴展 AI 和 Python 應用程式的統一框架。它由核心分散式運行時和用於加速 ML 工作負載的庫工具包 (Ray AIR) 組成。
Whisper.cpp 是 OpenAI 的 Whisper 自動語音辨識 (ASR) 模型的高效能推理。
ChatGPT Plus 是 ChatGPT 的試點訂閱計畫（ 20 美元/月），ChatGPT 是一種對話式人工智慧，可以與您聊天、回答後續問題並挑戰不正確的假設。
Auto-GPT 是一種“人工智慧代理”，它以自然語言給出目標，可以嘗試透過將其分解為子任務並在自動循環中使用互聯網和其他工具來實現它。它使用 OpenAI 的 GPT-4 或 GPT-3.5 API，是使用 GPT-4 執行自主任務的應用程式的首批範例之一。
mckaywrigley 開發的 Chatbot UI 是一款適用於 OpenAI 聊天模型的高級聊天機器人套件，使用 Next.js、TypeScript 和 Tailwind CSS 在 Chatbot UI Lite 之上構建。此版本的 ChatBot UI 支援 GPT-3.5 和 GPT-4 模型。對話儲存在您的瀏覽器本機。您可以匯出和匯入對話以防止資料遺失。查看示範。
mckaywrigley 開發的 Chatbot UI Lite 是一個簡單的聊天機器人入門套件，適用於使用 Next.js、TypeScript 和 Tailwind CSS 的 OpenAI 聊天模型。查看示範。
MiniGPT-4 是一種透過高階大語言模型增強視覺語言理解的方法。
GPT4All 是一個開源聊天機器人生態系統，經過大量乾淨助理資料的訓練，包括基於 LLaMa 的程式碼、故事和對話。
GPT4All UI 是一個 Flask Web 應用程序，提供用於與 GPT4All 聊天機器人互動的聊天 UI。
Alpaca.cpp 是您裝置上本地的類似 ChatGPT 的快速模型。它將 LLaMA 基礎模型與斯坦福羊駝的開放複製相結合，對基礎模型進行微調以服從指令（類似於用於訓練 ChatGPT 的 RLHF），並對 llama.cpp 進行了一系列修改以添加聊天介面。
llama.cpp 是 Facebook 的 LLaMA 模型的 C/C++ 連接埠。
OpenPlayground 是一個在您的裝置上本地運行類似 ChatGPT 模型的遊樂場。
Vicuna 是個開源聊天機器人，經過微調 LLaMA 訓練。它顯然達到了 chatgpt 90% 以上的質量，並且訓練成本為 300 美元。
Yeagar ai 是一款 Langchain Agent 創作者，旨在協助您輕鬆建置、原型化和部署 AI 支援的代理程式。
Vicuna 是透過使用從 ShareGPT.com 和公共 API 收集的大約 7 萬個使用者共享對話對 LLaMA 基本模型進行微調而創建的。為了確保資料質量，它將 HTML 轉換回 Markdown，並過濾掉一些不合適或低品質的樣本。
ShareGPT 是一個一鍵分享您最瘋狂的 ChatGPT 對話的地方。截至目前，共有 198,404 則對話被分享。
FastChat 是一個開放平台，用於訓練、服務和評估基於大型語言模型的聊天機器人。
Haystack 是一個開源 NLP 框架，可使用 Transformer 模型和 LLM（GPT-4、ChatGPT 等）與資料互動。它提供生產就緒的工具來快速建立複雜的決策、問答、語義搜尋、文字生成應用程式等。
StableLM（Stability AI Language Models）是StableLM系列語言模型，將持續更新新的檢查點。
Databricks 的 Dolly 是一種遵循指令的大型語言模型，在 Databricks 機器學習平台上進行訓練，並獲得商業用途許可。
GPTCach 是一個用於為 LLM 查詢建立語意快取的函式庫。
AlaC 是一個人工智慧基礎設施即程式碼產生器。
Adrenaline 是一個可讓您與程式碼庫對話的工具。它由靜態分析、向量搜尋和大型語言模型提供支援。
OpenAssistant 是一個基於聊天的助手，它可以理解任務，可以與第三方系統交互，並動態檢索資訊來執行此操作。
DoctorGPT 是一個輕量級的獨立二進位文件，可以監視應用程式日誌中的問題並進行診斷。
HttpGPT 是一個虛幻引擎 5 插件，可透過非同步 REST 請求促進與 OpenAI 基於 GPT 的服務（ChatGPT 和 DALL-E）的集成，使開發人員可以輕鬆地與這些服務進行通訊。它還包括編輯器工具，可將 Chat GPT 和 DALL-E 影像生成直接整合到引擎中。
PaLM 2 是下一代大型語言模型，建立在 Google 在機器學習和負責任的 AI 領域突破性研究的基礎上。它包括高級推理任務，包括代碼和數學、分類和問答、翻譯和多語言能力以及自然語言生成，比我們以前最先進的法學碩士更好。
Med-PaLM 是一個大型語言模型 (LLM)，旨在為醫學問題提供高品質的答案。它利用了 Google 大型語言模型的強大功能，我們透過一系列精心策劃的醫學專家演示將其與醫學領域結合。
Sec-PaLM 是一種大型語言模型 (LLM)，可提高幫助負責維護組織安全的人員的能力。這些新模型不僅為人們提供了一種更自然、更有創意的方式來理解和管理安全。
回到頂部
回到頂部
回到頂部
LocalAI 是一個自架、社群驅動、本地 OpenAI 相容的 API。在消費級硬體上運行 LLM 的 OpenAI 的直接替代品，無需 GPU。它是一個運行 ggml 相容模型的 API：llama、gpt4all、rwkv、whisper、vicuna、koala、gpt4all-j、cerebras、falcon、dolly、starcoder 等。
llama.cpp 是 Facebook 的 LLaMA 模型的 C/C++ 連接埠。
ollama 是一個在本地啟動並運行 Llama 2 和其他大型語言模型的工具。
LocalAI 是一個自架、社群驅動、本地 OpenAI 相容的 API。在消費級硬體上運行 LLM 的 OpenAI 的直接替代品，無需 GPU。它是一個運行 ggml 相容模型的 API：llama、gpt4all、rwkv、whisper、vicuna、koala、gpt4all-j、cerebras、falcon、dolly、starcoder 等。
Serge 是透過 llama.cpp 與 Alpaca 聊天的 Web 介面。完全自架和 Docker 化，具有易於使用的 API。
OpenLLM 是一個用於在生產中操作大型語言模型 (LLM) 的開放平台。輕鬆微調、服務、部署和監控任何法學碩士。
Llama-gpt 是一個自架、離線、類似 ChatGPT 的聊天機器人。由 Llama 2 提供支援。
Llama2 webui 是一個工具，可以從任何地方（Linux/Windows/Mac）在 GPU 或 CPU 上使用 gradio UI 本機運行任何 Llama 2。使用llama2-wrapper作為產生代理/應用程式的本機 llama2 後端。
Llama2.c 是一種在 PyTorch 中訓練 Llama 2 LLM 架構的工具，然後使用一個簡單的 700 行 C 檔案 (run.c) 對其進行推理。
Alpaca.cpp 是您裝置上本地的類似 ChatGPT 的快速模型。它將 LLaMA 基礎模型與斯坦福羊駝的開放複製相結合，對基礎模型進行微調以服從指令（類似於用於訓練 ChatGPT 的 RLHF），並對 llama.cpp 進行了一系列修改以添加聊天介面。
GPT4All 是一個開源聊天機器人生態系統，接受大量乾淨助理資料的訓練，包括基於 LLaMa 的程式碼、故事和對話。
MiniGPT-4 是一種透過高階大語言模型增強視覺語言理解的工具
LoLLMS WebUI 是 LLM（大型語言模型）模型的中心。它旨在提供一個用戶友好的介面來存取和利用各種 LLM 模型來完成廣泛的任務。無論您在寫作、編碼、組織資料、生成圖像或尋求問題答案方面需要協助。
LM Studio 是一個用於發現、下載和執行本機 LLM 的工具。
Gradio Web UI是大型語言模式的工具。支援Transformers，GPTQ，Llama.cpp（GGML/gguf），Llama型號。
OpenPlayground是一個遊戲範圍，用於在裝置上本地運行類似Chatgpt的模型。
Vicuna是由透過微調美洲駝訓練的開源聊天機器人。顯然，它達到了90％以上的CHATGPT，訓練費用為300美元。
Yeagar AI是一種旨在幫助您輕鬆構建，原型和部署AI驅動的代理商的蘭班代理創建者。
KoboldCpp 是一款易於使用的 GGML 模型 AI 文字產生軟體。這是一個可以從consedo中分發的單一自我包含的，它可以在llama.cpp上構建，並添加了一種多功能的kobold api端點，額外的格式支持，向後兼容性以及具有持久故事，編輯工具，保存格式，內存，世界，世界，世界，世界，世界，世界的編輯工具的花式UI信息，作者註，字符和方案。
回到頂部
模糊邏輯是一種啟發式方法，它允許更高級的決策樹處理並與基於規則的程式設計更好地整合。
模糊邏輯系統的體系結構。資料來源：研究門
支援向量機（SVM）是一種監督的機器學習模型，它使用分類演算法來解決兩組分類問題。
支援向量機（SVM）。來源：OpenClipart
神經網路是機器學習的子集，也是深度學習演算法的核心。名稱/結構的靈感來自於人腦將生物神經元/節點互相訊號的過程複製到彼此的過程中。
深神經網路。資料來源：IBM
卷積神經網路（R-CNN）是一種物件檢測演算法，該演算法首先將圖像段以找到潛在的相關邊界框，然後運行檢測演算法以在這些邊界框中找到最可能的物件。
卷積神經網路。資料來源：CS231N
復發性神經網路（RNN）是一種使用順序資料或時間序列資料的人工神經網路。
復發性神經網路。來源：SlideTeam
多層感知器（MLP）是多層神經網絡，由具有閾值激活的多層感知器組成。
多層感知。來源：深人工智慧
Random Forest是一種常用的機器學習演算法，它結合了多個決策樹的輸出以達到單一結果。森林中的決策樹不能修剪用於抽樣，因此可以選擇預測。當它處理分類和回歸問題時，其易於使用和靈活性促進了其採用。
隨機森林。資料來源：Wikimedia
決策樹是用於分類和迴歸的樹結構模型。
**決策樹。資料來源：CMU
幼稚的貝葉斯是一種機器學習演算法，用於解決CALSSIFIESION問題。它是基於在功能之間應用具有強烈獨立性假設的貝葉斯定理。
貝葉斯定理。資料來源：Mathisfun
回到頂部
Pytorch是一個開源深度學習框架，可加速從研究到生產的道路，用於電腦視覺和自然語言處理等應用。 Pytorch由Facebook的AI研究實驗室開發。
PyTorch 入門
Pytorch文檔
Pytorch討論論壇
頂級Pytorch課程線上| Coursera
頂級Pytorch課程線上|烏德米
透過線上課程和課程學習Pytorch | edX
Pytorch基本面 - 學習|微軟文件
pytorch深入學習的介紹|優達學城
視覺工作室程式碼中的Pytorch開發
azure上的pytorch-深度學習與pytorch |微軟Azure
Pytorch -Azure Databricks |微軟文件
與Pytorch深入學習|亞馬遜網路服務 (AWS)
Google Cloud上的Pytorch入門
Pytorch Mobile是從培訓到iOS和Android行動裝置部署的端到端ML工作流程。
TorchScript 是一種從 PyTorch 程式碼建立可序列化和可最佳化模型的方法。這允許將任何火有關程序從python過程中保存，並加載在沒有python依賴性的過程中。
Torchserve是一種靈活且易於使用的工具，用於提供Pytorch型號。
Keras是一種高階神經網路API，用Python編寫，能夠在Tensorflow，CNTK或Theano的頂部運行。它能夠在Tensorflow，Microsoft認知工具包，R，Theano或Plaidml上運行。
ONX運作時是跨平台，高效能ML推斷和訓練加速器。它支援來自Pytorch和Tensorflow/keras等深度學習框架的模型，以及Scikit-Leartn，LightGBM，XGBoost等古典機器學習庫，等等。
Kornia是一個可區分的電腦視覺庫，由一組例程和可區分模組組成，以解決通用簡歷（電腦視覺）問題。
Pytorch-NLP是Python中自然語言處理（NLP）的函式庫。它是考慮到最新研究的基礎，從第一天開始設計以支援快速原型製作。 Pytorch-NLP帶有預先訓練的嵌入式，採樣器，資料集載入程序，指標，神經網路模組和文字編碼器。
Ignite是一個高級庫，可幫助訓練和評估Pytorch中的神經網絡，並透明地透明。
Hummingbird是一個函式庫，用於將經過訓練的傳統ML模型彙編成張量計算。它允許用戶無縫利用神經網路框架（例如Pytorch）加速傳統的ML模型。
Deep Graph Library（DGL）是一個python軟體包，可在Pytorch和其他框架之上易於實現圖形神經網路模型家族。
Tensorly是Python中張量方法和深度張力神經網路的高級API，旨在使張量學習變得簡單。
GPyTorch 是一個使用 PyTorch 實現的高斯過程庫，旨在建立可擴展、靈活的高斯過程模型。
Poutyne 是 PyTorch 的類似 Keras 的框架，可處理訓練神經網路所需的大部分樣板程式碼。
Forte 是一個用於建立 NLP 管道的工具包，具有可組合元件、方便的資料介面和跨任務互動。
Torchmetrics是用於分散式可擴展Pytorch應用程式的機器學習指標。
Captum是開源的，可擴展的函式庫，用於建立在Pytorch上的模型。
變壓器是用於Pytorch，Tensorflow和Jax的最先進的自然語言處理。
Hydra是優雅配置複雜應用程式的框架。
加速是一種使用多GPU，TPU，混合精液訓練和使用Pytorch型號的簡單方法。
Ray 是一個快速而簡單的框架，用於建立和運行分散式應用程式。
Parlai是一個統一的平台，用於共享，培訓和評估許多任務的對話模型。
Pytorchvideo是一個深入學習庫，用於視訊理解研究。託管各種以影片為中心的模型、資料集、訓練管道等。
Opacus是一個圖書館，可培訓具有不同隱私的Pytorch模型。
Pytorch Lightning是Pytorch的類似Keras的ML函式庫。它為您留下了核心培訓和驗證邏輯，並自動化其餘的。
pytorch幾何顳時間是Pytorch幾何的時間（動態）擴展庫。
PyTorch Geometric 是一個用於對圖形、點雲和流形等不規則輸入資料進行深度學習的函式庫。
柵格視覺是衛星和空中影像深度學習的開源框架。
Crypten是保留ML隱私的框架。它的目標是使ML從業者可以使用安全的計算技術。
Optuna是一種開源的超參數最佳化框架，可自動化超參數搜尋。
Pyro是用Python編寫的通用機率程式語言（PPL），並由Pytorch在後端支援。
標記是一個快速且可擴展的圖像增強庫，用於不同的CV任務，例如分類，分割，對象檢測和姿勢估計。
Skorch是一個用於Pytorch的高階函式庫，可提供完整的Scikit-Learn相容性。
MMF是Facebook AI研究（FAIR）的視覺和語言多模式研究的模組化框架。
AdaptDL是一個資源自適應的深度學習訓練和排程框架。
Polyaxon是建造，培訓和監視大規模深度學習應用程式的平台。
Textbrewer是一種基於Pytorch的知識蒸餾工具包，用於自然語言處理
Advertorch是用來對抗性強健性研究的工具箱。它包含用於生成對抗性範例和防禦攻擊的模組。
Nemo是對話型AI的AA工具包。
ClinicAdl是阿茲海默症再現分類的框架
Stable Baselines3 (SB3) 是 PyTorch 中強化學習演算法的一組可靠實現。
Torchio是一組工具，可以在Pytorch編寫的深度學習應用程式中有效閱讀，預處理，樣本，增強和編寫3D醫學影像。
PySyft 是一個用於加密、隱私保護深度學習的 Python 函式庫。
Flair是最先進的自然語言處理（NLP）的非常簡單的框架。
Glow 是一款機器學習編譯器，可加速深度學習框架在不同硬體平台上的效能。
FairScale是一個用於高效能的Pytorch擴充程式庫和一台或多台機器/節點上的大規模訓練。
MONAI是一個深度學習框架，可為開發醫療影像訓練工作流程提供領域優化的基礎能力。
PFRL是一個深厚的增強學習庫，它使用Pytorch實現了Python中各種最新的深化演算法。
EINOPS是一種靈活且強大的張量操作，用於可讀和可靠的程式碼。
Pytorch3d是一個深度學習庫，可為Pytorch提供有效的，可重複使用的組件，用於3D計算機視覺研究。
Ensemble Pytorch是Pytorch提高深度學習模型的表現和穩健性的統一合奏框架。
Lightly是用於自學學習的電腦視覺框架。
更高的是一個庫，它促進了使用近vanilla pytorch的任意複雜基於梯度的元學習演算法和嵌套優化環的實現。
Horovod 是一個深度學習架構的分散式訓練庫。 Horovod 的目標是讓分散式深度學習變得快速且易於使用。
PennyLane 是一個用於量子機器學習、自動微分和混合量子經典計算優化的函式庫。
檢測2是Fair的下一代平台，用於物件偵測與分割。
Fastai是一個圖書館，可以使用現代最佳實踐簡化訓練快速準確的神經網。
回到頂部
TensorFlow 是一個用於機器學習的端到端開源平台。它擁有一個全面，靈活的工具，圖書館和社區資源的生態系統，使研究人員可以推動ML的最新技術，開發人員可以輕鬆構建和部署ML供電的應用程式。
開始使用TensorFlow
TensorFlow 教學課程
Tensorflow開發人員證書| TensorFlow
Tensorflow社區
TensorFlow模型和資料集
TensorFlow雲
機器學習教育| TensorFlow
線上頂級張量流課程| Coursera
線上頂級張量流課程|烏德米
用TensorFlow進行深度學習|烏德米
用TensorFlow進行深度學習| edX
深度學習的TensorFlow介紹|優達學城
TensorFlow的介紹：機器學習速效課程| Google開發者
訓練和部署張量流型號 - Azure機器學習
用Python和TensorFlow將機器學習模型應用於Azure功能|微軟Azure
用TensorFlow進行深度學習|亞馬遜網路服務 (AWS)
TensorFlow -Amazon EMR | AWS 文件
Tensorflow Enterprise | Google雲
Tensorflow Lite是用於在行動裝置和IoT裝置上部署機器學習模型的開源深度學習框架。
tensorflow.js是一個JavaScript函式庫，可讓您在JavaScript中開發或執行ML模型，並直接在瀏覽器用戶端，透過Node.js在伺服器端，透過react react Native，透過Electron甚至IOT上的Mobile Native使用伺服器端，透過raspberry pi上的node.js設備。
Tensorflow_macos是使用Apple的ML Compute Framework加速的MACOS 11.0+的TensorFlow和TensorFlow插件的MAC優化版本。
Google Colagoratory是一個免費的Jupyter筆記型電腦環境，不需要設定並完全在雲端中運行，從而使您可以單擊一鍵在瀏覽器中執行TensorFlow程式碼。
假設工具是用於機器學習模型的無程式碼探測工具，可用於模型理解，調試和公平性。可在張板和jupyter或Colab筆記型電腦中找到。
Tensorboard是一套視覺化工具的套件，可以理解，調試和優化TensorFlow程式。
Keras是一種高階神經網路API，用Python編寫，能夠在Tensorflow，CNTK或Theano的頂部運行。它能夠在Tensorflow，Microsoft認知工具包，R，Theano或Plaidml上運行。
XLA（加速線性代數）是線性代數的域特異性編譯器，可最佳化張量計算。結果是伺服器和行動平台上的速度，記憶體使用情況以及可移植性的改進。
ML Perf是一個廣泛的ML基準套件，用於測量ML軟體框架，ML硬體加速器和ML雲端平台的效能。
Tensorflow遊樂場是一個開發環境，可以在瀏覽器中使用神經網路修補。
TPU Research Cloud（TRC）是一個程序，使研究人員無需申請訪問1000多個雲端TPU的群集，以幫助他們加速下一波研究突破。
MLIR是一種新的中間表示和編譯器框架。
晶格是一個具有常識性形狀約束的靈活，控制和可解釋的ML解決方案的函式庫。
TensorFlow Hub是可重複使用的機器學習的函式庫。以最少的程式碼下載並重複使用最新訓練的型號。
Tensorflow Cloud是一個將您的本地環境連接到Google Cloud的庫。
Tensorflow模型最佳化工具包是一套用於最佳化部署和執行的ML模型的工具。
TensorFlow推薦器是用於建立建議系統模型的函式庫。
TensorFlow文字是與TensorFlow 2一起使用的文字和NLP相關類別和OPS的集合。
TensorFlow Graphics是電腦圖形功能的庫，範圍從相機，燈光和材料到渲染器。
Tensorflow聯合是用於機器學習和其他分散資料運算的開源框架。
TensorFlow機率是用於機率推理和統計分析的函式庫。
Tensor2Tensor是一個深度學習模型和資料集的函式庫，旨在使深度學習更容易存取和加速ML研究。
TensorFlow隱私是一個Python庫，其中包括用於具有不同隱私的訓練機器學習模型的張量優化器的實作。
TensorFlow排名是在TensorFlow平台上進行學習級（LTR）技術的庫。
TensorFlow代理是用於張力流中加固學習的函式庫。
TensorFlow addons是一個符合公認的API模式的貢獻儲存庫，但實現由SIG插件維護的核心Tensorflow中不可用的新功能。 TensorFlow本地支援大量的營運商，層，指標，損耗和優化器。
TensorFlow I/O是由SIG IO維護的資料集，流和檔案系統擴充。
Tensorflow量子是一個量子機器學習庫，用於快速原型雜交量子古典ML模型。
多巴胺是一種用於強化學習演算法快速原型設計的研究架構。
TRFL是一個由DeepMind創建的增強學習建構塊的函式庫。
網格張量集是一種用於分佈深度學習的語言，能夠指定一類廣泛的分散式張量計算。
破爛的tensors是一種API，可以易於儲存和操縱具有不均勻形狀的數據，包括文字（單詞，句子，字元）和可變長度的批次。
Unicode OPS是一種API，它支援直接在Tensorflow中使用Unicode文字。
Magenta是一個研究項目，探討了機器學習在創作藝術和音樂過程中的作用。
Nucleus是Python和C ++程式碼的函式庫，旨在使易於讀取，寫入和分析的通用基因組檔案格式的資料（如SAM和VCF）。
SONNET是來自DeepMind的圖書館，用於建立神經網路。
神經結構化學習是一個學習框架，除了功能投入外，還透過利用結構化訊號來訓練神經網路。
模型補救是一個庫，可幫助創建和訓練模型，以減少或消除由於基本績效偏見而造成的使用者傷害。
公平指標是一個庫，可以輕鬆計算二進制和多類分類器的普遍識別公平度量標準。
決策森林是一種用於培訓，服務和解釋模型的最先進演算法，這些模型使用決策森林進行分類，回歸和排名。
回到頂部
Core ML是一個Apple框架，用於將機器學習模型整合到Apple設備（包括iOS，WatchOS，MacOS和TVOS）上的應用程式中。 Core ML引入了公共檔案格式（.MLMODEL），以用於一組廣泛的ML方法，包括深神經網路（卷積和經常性），具有增強的樹合奏和廣義線性模型。該格式的模型可以透過XCode直接整合到應用中。
核心ML簡介
將核心ML模型整合到您的應用中
核心ML模型
核心ML API參考
核心ML規範
Apple開發人員論壇的核心ML
頂級核心ML課程線上|烏德米
頂級核心ML課程線上| Coursera
核心ML的IBM Watson服務|國際商業機器公司
使用IBM Maximo視覺檢查產生核心ML資產|國際商業機器公司
核心ML工具是一個項目，其中包含用於核心ML模型轉換，編輯和驗證的支援工具。
Create ML是一種在Mac上訓練機器學習模型的新方法。它使模型訓練的複雜性在產生強大的核心ML模型的同時，使其變得複雜。
Tensorflow_macos是Tensorfl的Mac優化版本
