#ray Repository
Scopri 27 repository GitHub open source attivi contrassegnati con #ray, che raccolgono un totale di 155,511 stelle (con una media di 5,759 stelle per progetto). Il progetto leader di questo argomento è GokuMohandas/Made-With-ML, con 50,112 stelle.
27 repository in totale
Impara a sviluppare, distribuire e iterare applicazioni ML di livello produttivo.
Ray è un motore di calcolo AI. Ray consiste in un runtime distribuito principale e un set di librerie AI per accelerare i carichi di lavoro ML.
Framework per l'addestramento distribuito per TensorFlow, Keras, PyTorch e Apache MXNet.
Motore dati ad alte prestazioni per carichi di lavoro AI e multimodali. Elabora immagini, audio, video e dati strutturati su qualsiasi scala.
pandas su AWS - Integrazione facile con Athena, Glue, Redshift, Timestream, Neptune, OpenSearch, QuickSight, Chime, CloudWatchLogs, DynamoDB, EMR, SecretManager, PostgreSQL, MySQL, SQLServer e S3 (Parquet, CSV, JSON e EXCEL).
CSGHub è una piattaforma open-source nuovissima per la gestione di LLM, sviluppata dal team OpenCSG. Offre soluzioni sia open-source che on-premise/SaaS, con funzionalità paragonabili a Hugging Face. Ottieni il pieno controllo sul ciclo di vita di LLM, dataset e agenti, con compatibilità dell'SDK Python con Hugging Face. Unisciti a noi! ⭐️
Scopri come progettare, sviluppare, distribuire e iterare applicazioni ML pronte per la produzione.
Un motore lakehouse aperto per agenti: nativo di Postgres, dei vettori e di Python. Parla PostgreSQL, funziona sul tuo object storage ed è scritto in Rust.
Mars è un framework unificato basato su tensori per il calcolo di dati su larga scala che scala numpy, pandas, scikit-learn e funzioni Python.
PathTracing in tempo reale con illuminazione globale e rendering progressivo, tutto sul framework WebGL di Three.js. Clicca qui per la demo live: https://erichlof.github.io/THREE.js-PathTracing-Renderer/Geometry_Showcase.html
Un path tracer GPU basato fisicamente giocattolo (C++/OpenGL/GLSL)
Una guida completa alla creazione di applicazioni LLM basate su RAG per la produzione.
Una raccolta di exploit AI/ML reali per vulnerabilità divulgate in modo responsabile
Un repository è tutto ciò che è necessario per il Multi-agent Reinforcement Learning (MARL)
Distribuisci ed esegui carichi di lavoro AI su Kubernetes magicamente in Python, come PyTorch per l'infrastruttura ML.
Un server di debug locale, un unico binario: intercetta errori, dump, e-mail, log, profili e traffico HTTP della tua app durante lo sviluppo. Compatibile con Sentry, Ray, VarDumper, Monolog, SMTP e XHProf. Server mock, Xdebug nel browser e MCP per gli agenti IA.
Progetto open source per la preparazione dei dati per applicazioni GenAI
DoEKS è uno strumento per costruire, distribuire e scalare piattaforme dati su Amazon EKS
Un Ray Tracer di base che sfrutta array e funzioni numpy per funzionare ragionevolmente veloce.
Domande frequenti
Qual è il repository #ray più popolare su GitHub?
Il progetto open source #ray più alto in classifica su GitHub è GokuMohandas/Made-With-ML, con 50,112 stelle. Impara a sviluppare, distribuire e iterare applicazioni ML di livello produttivo.
Quali linguaggi di programmazione sono più utilizzati nei repository #ray?
Tra i progetti #ray più alti in classifica su GitHub, i linguaggi di programmazione più comuni sono Python, Jupyter Notebook, Go, C++.
Come viene calcolata la classifica dei repository #ray?
Monitoriamo 27 repository open source attivi contrassegnati con #ray (500+ stelle), per un totale di 155,511 stelle e una media di 5,759 stelle per repository. Le classifiche vengono aggiornate quotidianamente tramite l’API di GitHub.