#model-deployment Repository
Scopri 54 repository GitHub open source attivi contrassegnati con #model-deployment, che raccolgono un totale di 191,475 stelle (con una media di 3,545 stelle per progetto). Il progetto leader di questo argomento è facebookresearch/detectron2, con 34,997 stelle.
54 repository in totale
Detectron2 è una piattaforma per il rilevamento di oggetti, segmentazione e altre attività di riconoscimento visivo.
Qwen3 è la serie di modelli linguistici di grandi dimensioni sviluppata dal team Qwen di Alibaba Cloud.
Corso gratuito di MLOps di DataTalks.Club. Registrati qui 👇🏼 per ricevere aggiornamenti sulla prossima coorte
Kimi K2 è la serie di modelli linguistici di grandi dimensioni sviluppata dal team Moonshot AI.
Codice di supporto in "Tutorial pratico per l'addestramento di modelli PyTorch"
Riassunti e risorse per il libro "Designing Machine Learning Systems" (Chip Huyen, O'Reilly 2022)
Libreria Python di apprendimento automatico semplice e distribuito che porta gli algoritmi ML su Spark
Framework RAG (Retrieval Augmented Generation) per la creazione di applicazioni open source modulari per la produzione di TrueFoundry
FEDML – La libreria ML unificata e scalabile per l'addestramento distribuito su larga scala, il model serving e l'apprendimento federato. FEDML Launch, uno scheduler cross-cloud, consente inoltre di eseguire qualsiasi lavoro di intelligenza artificiale su qualsiasi cloud GPU o cluster on-premise. Basata su questa libreria, TensorOpera AI (https://TensorOpera.ai) è la tua piattaforma di intelligenza artificiale generativa su larga scala.
AI e Machine Learning con Kubeflow, Amazon EKS e SageMaker
Di♪♪Rhythm: Generazione di canzoni complete end-to-end, incredibilmente veloce e imbarazzantemente semplice, con diffusione latente
prompt2model - Genera Modelli Deployabili da Istruzioni in Linguaggio Naturale
Repository pubblico per la specializzazione MLEP di DeepLearning.AI
Una libreria ottimizzata per la quantizzazione e l'inferenza per l'esecuzione locale di LLM su GPU consumer moderne
Esempi per l'utilizzo di ONNX Runtime per l'inferenza di machine learning.
HiMarket è un "Marketplace di Capacità IA e Hub dell'Ecosistema per Sviluppatori" di livello enterprise. Non è semplicemente una semplice aggregazione di API tradizionali, ma piuttosto una piattaforma completa che impacchetta, pubblica, gestisce e opera risorse IA fondamentali come Model API aziendali, server MCP, Agent API, ecc., attraverso formati di prodotto standardizzati.
Configurazioni e boilerplate per il backend di Machine Learning di Label Studio
GigaModels: Un repository e una piattaforma completa per modelli multimodali, generativi e percettivi
Un compilatore di reti neurali profonde (DNN) flessibile ed efficiente che genera eseguibili ad alte prestazioni da una descrizione di modello DNN.
Un SDK Python per Vertex AI, una piattaforma end-to-end completamente gestita per la data science e il machine learning.
Questo repository contiene tutorial ed esempi per Triton Inference Server
Esercizi e materiale integrativo per il corso di machine learning operations presso la DTU.
Questi sono gli appunti sul percorso di studio del machine learning. Potresti trovarci qualcosa di utile.
Una raccolta di web app open source attivamente mantenute per applicazioni LLM
Backend Triton che consente di implementare pre-elaborazione, post-elaborazione e altre logiche in Python.
Corso di Machine Learning Serverless per la creazione di servizi di previsione abilitati all'IA da modelli e funzionalità
Domande frequenti
Qual è il repository #model-deployment più popolare su GitHub?
Il progetto open source #model-deployment più alto in classifica su GitHub è facebookresearch/detectron2, con 34,997 stelle. Detectron2 è una piattaforma per il rilevamento di oggetti, segmentazione e altre attività di riconoscimento visivo.
Quali linguaggi di programmazione sono più utilizzati nei repository #model-deployment?
Tra i progetti #model-deployment più alti in classifica su GitHub, i linguaggi di programmazione più comuni sono Python, Jupyter Notebook, C++, Java.
Come viene calcolata la classifica dei repository #model-deployment?
Monitoriamo 54 repository open source attivi contrassegnati con #model-deployment (500+ stelle), per un totale di 191,475 stelle e una media di 3,545 stelle per repository. Le classifiche vengono aggiornate quotidianamente tramite l’API di GitHub.