#model-deployment Dépôts
Découvrez 54 dépôts GitHub open source actifs associés à #model-deployment, cumulant 191,475 étoiles au total (soit une moyenne de 3,545 étoiles par projet). Le projet en tête de ce thème est facebookresearch/detectron2, avec 34,997 étoiles.
54 dépôts au total
Detectron2 est une plateforme pour la détection d'objets, la segmentation et d'autres tâches de reconnaissance visuelle.
Qwen3 est la série de grands modèles linguistiques développée par l'équipe Qwen d'Alibaba Cloud.
Cours MLOps gratuit de DataTalks.Club. Inscrivez-vous ici 👇🏼 pour être informé de la prochaine promotion
Kimi K2 est la série de grands modèles linguistiques développés par l'équipe Moonshot AI.
Code d'accompagnement dans "Tutoriel pratique de formation de modèles PyTorch"
Résumés et ressources pour le livre "Designing Machine Learning Systems" (Chip Huyen, O'Reilly 2022)
Bibliothèque Python d'apprentissage automatique simple et distribué portant des algorithmes ML pour Spark
Framework RAG (Retrieval Augmented Generation) pour la construction d'applications open source modulaires pour la production par TrueFoundry
FEDML – La bibliothèque ML unifiée et évolutive pour l'entraînement distribué à grande échelle, la mise à disposition de modèles et l'apprentissage fédéré. FEDML Launch, un planificateur inter-cloud, permet en outre d'exécuter n'importe quel travail d'IA sur n'importe quel cloud GPU ou cluster sur site. Basée sur cette bibliothèque, TensorOpera AI (https://TensorOpera.ai) est votre plateforme d'IA générative à grande échelle.
IA et apprentissage automatique avec Kubeflow, Amazon EKS et SageMaker
Di♪♪Rhythm : Génération de chansons complètes de bout en bout, incroyablement rapide et d'une simplicité déconcertante, grâce à la diffusion latente
prompt2model - Générer des modèles déployables à partir d'instructions en langage naturel
Dépôt public pour la spécialisation MLEP de DeepLearning.AI
Une bibliothèque optimisée de quantification et d'inférence pour exécuter localement des LLM sur des GPU grand public modernes
Exemples d'utilisation d'ONNX Runtime pour l'inférence en machine learning.
HiMarket est un « Marché des Capacités IA et Hub d'Écosystème pour Développeurs » de niveau entreprise. Ce n'est pas simplement un simple agrégat d'API traditionnelles, mais plutôt une plateforme complète qui emballe, publie, gère et exploite des actifs IA fondamentaux tels que les API de Modèles d'entreprise, les serveurs MCP, les API d'Agents, etc., via des formats de produits standardisés.
Configurations et boilerplate pour le backend d'apprentissage automatique de Label Studio
GigaModels : Un référentiel et une plateforme complets pour les modèles multimodaux, génératifs et perceptuels
Un compilateur de réseau neuronal profond (DNN) flexible et efficace qui génère des exécutables haute performance à partir d'une description de modèle DNN.
Un SDK Python pour Vertex AI, une plateforme de bout en bout entièrement gérée pour la science des données et l'apprentissage automatique.
Ce dépôt contient des tutoriels et des exemples pour Triton Inference Server
Exercices et matériel supplémentaire pour le cours sur les opérations d'apprentissage automatique (Machine Learning Operations) à la DTU.
Ce sont les notes du parcours d'étude de l'apprentissage automatique. Vous pourriez y trouver quelque chose d'utile.
Une collection d'applications web open source activement maintenues pour les applications LLM
Backend Triton qui permet d'implémenter le prétraitement, le post-traitement et d'autres logiques en Python.
Cours d'apprentissage automatique sans serveur pour la création de services de prédiction basés sur l'IA à partir de modèles et de fonctionnalités
Foire aux questions
Quel est le dépôt #model-deployment le plus populaire sur GitHub ?
Le projet #model-deployment open source le mieux classé sur GitHub est facebookresearch/detectron2, avec 34,997 étoiles. Detectron2 est une plateforme pour la détection d'objets, la segmentation et d'autres tâches de reconnaissance visuelle.
Quels langages de programmation sont les plus utilisés dans les dépôts #model-deployment ?
Parmi les projets #model-deployment les mieux classés sur GitHub, les langages de programmation les plus courants sont Python, Jupyter Notebook, C++, Java.
Comment le classement des dépôts #model-deployment est-il calculé ?
Nous suivons 54 dépôts open source actifs associés à #model-deployment (500+ étoiles), totalisant 191,475 étoiles, avec une moyenne de 3,545 étoiles par dépôt. Les classements sont mis à jour quotidiennement à partir de l’API GitHub.