#model-deployment Repositórios
Descubra 54 repositórios ativos de código aberto no GitHub marcados com #model-deployment, acumulando um total de 191,475 estrelas (uma média de 3,545 por projeto). O líder deste tópico é facebookresearch/detectron2, com 34,997 estrelas.
54 repositórios no total
Detectron2 é uma plataforma para detecção de objetos, segmentação e outras tarefas de reconhecimento visual.
Qwen3 é a série de modelos de linguagem grande desenvolvida pela equipe Qwen, Alibaba Cloud.
Curso gratuito de MLOps da DataTalks.Club. Registre-se aqui 👇🏼 para ser notificado sobre a próxima turma
Kimi K2 é a série de modelos de linguagem grandes desenvolvida pela equipe Moonshot AI
Código de acompanhamento em "Tutorial prático de treinamento de modelos Pytorch"
Resumos e recursos para o livro Designing Machine Learning Systems (Chip Huyen, O'Reilly 2022)
Biblioteca Python de aprendizado de máquina simples e distribuída que porta algoritmos de ML para Spark
Estrutura RAG (Retrieval Augmented Generation) para construir aplicações modulares e de código aberto para produção pela TrueFoundry
FEDML - A biblioteca de ML unificada e escalável para treinamento distribuído em larga escala, serviço de modelo e aprendizado federado. O FEDML Launch, um agendador multi-cloud, permite ainda a execução de quaisquer tarefas de IA em qualquer cloud de GPU ou cluster local. Construída sobre esta biblioteca, a TensorOpera AI (https://TensorOpera.ai) é a sua plataforma de IA generativa em escala.
IA e Machine Learning com Kubeflow, Amazon EKS e SageMaker
Projeto contendo material relacionado para os meus artigos sobre TensorFlow
Di♪♪Rhythm: Geração de Canções Completas de Ponta a Ponta Extremamente Rápida e Incrivelmente Simples com Difusão Latente
prompt2model - Gere Modelos Implantáveis a Partir de Instruções em Linguagem Natural
Repositório público para a Especialização MLEP da DeepLearning.AI
Uma biblioteca otimizada de quantização e inferência para executar LLMs localmente em GPUs modernas de classe de consumidor
Exemplos de uso do ONNX Runtime para inferência de aprendizado de máquina.
HiMarket é um "Mercado de Capacidades de IA e Hub de Ecossistema de Desenvolvedores" de nível empresarial. Não é apenas uma simples agregação de APIs tradicionais, mas sim uma plataforma abrangente que empacota, publica, gerencia e opera ativos centrais de IA, como APIs de Modelos corporativos, Servidores MCP, APIs de Agentes, etc., por meio de formatos de produto padronizados.
Configurações e modelos básicos para o backend de Machine Learning do Label Studio
GigaModels: Um repositório e plataforma abrangentes para modelos multimodais, generativos e perceptuais
Um compilador flexível e eficiente de rede neural profunda (DNN) que gera executáveis de alto desempenho a partir de uma descrição de modelo DNN.
Um SDK Python para Vertex AI, uma plataforma totalmente gerenciada e de ponta a ponta para ciência de dados e aprendizado de máquina.
Este repositório contém tutoriais e exemplos para o Triton Inference Server
Exercícios e material complementar para o curso de operações de aprendizado de máquina na DTU.
Estas são as anotações sobre o estudo de aprendizado de máquina. Você pode encontrar algo útil nelas.
Uma coletânea de aplicativos web de código aberto, ativamente mantidos, para aplicações de LLM
Backend Triton que permite implementar pré-processamento, pós-processamento e outras lógicas em Python.
Curso de Machine Learning Serverless para construir Serviços de Previsão habilitados para IA a partir de modelos e recursos
Perguntas Frequentes
Qual é o repositório de #model-deployment mais popular no GitHub?
O projeto de código aberto de #model-deployment mais bem classificado no GitHub é facebookresearch/detectron2, com 34,997 estrelas. Detectron2 é uma plataforma para detecção de objetos, segmentação e outras tarefas de reconhecimento visual.
Quais linguagens de programação são mais usadas nos repositórios de #model-deployment?
Entre os projetos de #model-deployment mais bem classificados no GitHub, as linguagens de programação mais comuns são Python, Jupyter Notebook, C++, Java.
Como é calculada a classificação dos repositórios de #model-deployment?
Acompanhamos 54 repositórios ativos de código aberto marcados com #model-deployment (com mais de 500 estrelas), totalizando 191,475 estrelas e uma média de 3,545 estrelas por repositório. As classificações são atualizadas diariamente a partir da API do GitHub.