Agixxw

帅气的我简直无法用语言描述!
Ollama

Ollama

Ollama是一个用于在本地计算机上运行大型语言模型的命令行工具,允许用户下载并本地运行像Llama 2、Code Llama和其他模型,并支持自定义和创建自己的模型。该免费开源的项目,目前支持macOS和Linux操作系统,未来还将支持Windows系统​​​​。此外,Ollama还提供了官方的Docker镜像,由此使用Docker容器部署大型语言模型变得更加简单,确保所有与这些模型的交互都在本地进行,无需将私有数据发送到第三方服务。Ollama在macOS和Linux上支持GPU加速,并提供了简单的命令行界面(CLI)以及用于与应用程序交互的REST API​​。该工具对于需要在本地机器上运行和实验大语言模型的开发人员或研究人员来说特别有用,无需依赖外部云服务。Ollama安装包获取获取Ollama安装包,扫码关注回复:OllamaOllama支持的模型Ollma提供一个模型库,用户可以自行选择安装想要运行的模型,目前支持40+的模型,还在持续增加中,以下是可以下载的开源模型示例:模型参数大小文件大小下载运行命令DeepSeek-R11.5B、7B、14B、32B等12-320GBollama run deepseek-r1Neural Chat7B4.1GBollama run neural-chatStarling7B4.1GBollama run starling-lmMistral7B4.1GBollama run mistralLlama 27B3.8GBollama run llama2Code Llama7B3.8GBollama run codellamaLlama 2 Uncensored7B3.8GBollama run llama2-uncensoredLlama 2 13B13B7.3GBollama run llama2:13bLlama 2 70B70B39GBollama run llama2:70bOrca Mini3B1.9GBollama run orca-miniVicuna7B3.8GBollama run vicuna
04,7500
Anakin.ai

Anakin.ai

Anakin.ai是什么Anakin.ai 是一个一站式无代码 AI 应用构建平台,用户只需一分钟即可快速创建一个属于自己的 AI 应用,包括内容创作、文案、问答、图像生成、视频生成、语音生成、智能 Agent、自动化工作流、自定义 AI 应用等,帮助即使没有编程或技术背景的用户也能够利用AI技术来增强工作效率和创造力。Anakin.ai的主要功能内容生成:用户可以利用平台的AI模型生成文本、图像、视频和语音内容,包括使用GPT系列模型进行文本生成,以及使用Stable Diffusion、DALL·E等模型进行图像创作。预构建应用:Anakin.ai提供了超过1000个预构建的AI应用,覆盖了内容生成、问题回答、文档搜索等多个领域,用户可以直接使用这些应用或根据需要进行定制。自动化工作流:Anakin.ai允许用户创建自动化的工作流程,以简化和加速日常任务。工作流可以集成多种AI模型和外部API,以执行复杂的数据处理和分析任务。自定义AI应用:平台提供了一个无代码的AI应用构建器,用户可以通过简单的拖放界面来创建和定制自己的AI应用,以满足特定的业务需求。智能体(Auto Agents):用户可以构建智能体来自动执行复杂的任务,Agents可以在配置后自动处理和解决用户指定的任务。批量操作:Anakin.ai支持批量处理功能,用户可以对大量数据执行相同的操作,如内容生成、数据分类、信息提取等。聊天机器人:平台提供了聊天机器人的创建和训练工具,用户可以根据自己的数据训练聊天机器人,并将其部署到现有的工具和服务中Anakin.ai的产品价格免费版:每天免费提供30的使用额度,可访问所有的基本功能、批量运行有限、每次生成仅限1张图像基础版:每月12.9美元(年付折合9.9美元),每月提供9000额度、批量运行无限制、每次生成最多8张图像专业版:每月24.9美元(年付折合19.9美元),每月提供19000额度、批量运行无限制、每次生成最多8张图像高级版:每月45.9美元(年付折合39.9美元),每月提供39000额度、批量运行无限制、每次生成最多8张图像
05,8900
Lightning AI: 快速训练、部署和开发人工智能产品的深度学习框架,由Pytorch Lightning团队推出

Lightning AI: 快速训练、部署和开发人工智能产品的深度学习框架,由Pytorch Lightning团队推出

Lightning AI是一个构建模型和构建/发布Lightning Apps(ML工作流模板)的平台,由Pytorch Lightning团队推出——一个快速训练、部署和开发人工智能产品的深度学习框架。
06,8850
Leap

Leap

Leap 提供简单易用的API和SDK,帮助开发人员在几分钟内将人工智能添加到自己的应用程序中,如生成图像、编辑图像、微调模型、检索文本上下文等。Leap 可以在不编写/少量编写代码的情况下与5000多个应用程序集成。该工具提供Javascript、Python和cURL的API,用户可以通过注册免费试用帐户来试用Leap的功能。Leap的特色功能多合一AI功能的API。一个平台的API,用于图像、文本、视频等AI功能实现,无需在单个API之间切换。内置测试和试玩工作台。在浏览器中使用Leap提供的人工智能模型,然后再将其集成到自己的应用程序中。与任何应用程序集成。通过提供的Zapier集成,无需编程,便可以将Leap连接到3000多个应用程序。微调训练自定义模型。使用其Dreambooth微调仪表板和API,可训练自定义的模型,无论是人、宠物、对象或自定义风格。Leap的产品价格Leap 的产品定价很简单,提供免费的基础套餐和付费套餐允许用户访问其他高级功能、无限制使用和访问高级队列。免费套餐图像生成:在标准队列中生成 100 张图像。付费套餐图像生成:每张图像支付 0.005 美元(高级队列)。模型微调:为每个经过训练的模型版本支付 2 美元(高级队列)混合图像:每张图片支付 0.01 美元(高级队列)
010,7850
ChatDev

ChatDev

ChatDev是人工智能公司面壁智能最新推出的基于“大模型+Agent”的智能软件开发平台,用户只需输入自然语言,便能生成和创建可运行的软件。通过该平台,软件开发者和没有编程经验的普通用户可以以极低的成本和门槛高效完成软件开发和创建的工作。开源版本的ChatDev已在GitHub上斩获17K Star。ChatDev的功能特色虚拟软件公司模拟现实世界运行,通过担任不同角色的各种智能体进行运营,包括首席执行官、首席产品官、首席技术官、程序员、代码评审员、测试员、美术设计师等模仿现实世界进行软件开发赋能软件开发的全流程,从需求分析、界面设计,到代码编写、软件测试和应用发布基于大型语言模型(LLM)的易于使用、高度可定制和可扩展的框架,是研究群体智能的理想场景可进行任意类型的软件的编写和开发,如红包雨、计时器、贪吃蛇、吃豆人、单位转换器等各种类型的软件如何使用ChatDev访问ChatDev的官网(chatdev.modelbest.cn),登录或注册账号申请试用申请成功后回到软件创建界面,填写项目名称和软件描述等项目设置等待服务器响应项目生成,ChatDev的智能体会按照需求指令模拟现实世界软件公司的运行软件生成后可直接下载和分享,若对结果不满意,也可以调整和修改以上是SaaS版的使用步骤,若要自己部署和运行,请访问ChatDev的GitHub库查看快速开始的说明。常见问题ChatDev基于什么大模型?开源版的ChatDev调用的是OpenAI的GPT大模型的能力,开发者需要自己设置API Key,可以使用GPT-3.5,也可以使用GPT-4。ChatDev支持Git版本控制吗?支持,ChatDev已推出Git模式,扮演程序员的智能体可以利用Git进行版本控制。ChatDev是免费的吗?ChatDev是免费开源的,开发者可以克隆GitHub库进行设置和本地运行,也可以访问面壁智能的网站申请使用SaaS版本。
08,4450
LangChain:开发由语言模型驱动的应用程序的框架

LangChain:开发由语言模型驱动的应用程序的框架

大语言模型(LLM)正在成为一种变革性技术,使开发人员能够构建以前无法构建的应用程序。但是,单独使用这些LLM通常不足以创建一个真正强大的应用程序——当你可以将它们与其他计算或知识来源相结合时,便可能实现其真正的能力。LangChain是一个用于开发由语言模型驱动的应用程序的框架,允许开发人员将语言模型连接到其他数据源并与其环境相交互。LangChain旨在帮助开发者在以下六个主要领域,按照复杂性递增的顺序:📃 LLMs and Prompts: 这包括提示管理、提示优化、适用于所有 LLM 的通用界面以及用于处理 LLM 的通用实用程序。🔗 Chains: 链不仅仅是单个 LLM 调用,而是调用序列(无论是对 LLM 还是对不同的实用程序)。 LangChain 为链提供标准接口、与其他工具的大量集成以及用于常见应用程序的端到端链。📚 Data Augmented Generation: 数据增强生成涉及特定类型的链,这些链首先与外部数据源交互以获取数据以用于生成步骤。 这方面的例子包括对长文本的总结和对特定数据源的问答。🤖 Agents: 代理涉及 LLM 做出关于采取哪些行动的决定,采取该行动,看到一个观察,并重复直到完成。LangChain 为代理提供了一个标准接口,可供选择的代理选择,以及端到端代理的示例。🧠 Memory: 内存是链/代理调用之间持久状态的概念。 LangChain 提供了内存的标准接口、内存实现的集合以及使用内存的链/代理的示例。🧐 Evaluation: [BETA] 众所周知,生成模型很难用传统指标进行评估。 评估它们的一种新方法是使用语言模型本身进行评估,LangChain 提供了一些提示/链来协助这一点。
08,9200
Google JAX:Google推出的用于变换数值函数的机器学习框架

Google JAX:Google推出的用于变换数值函数的机器学习框架

GoogleJAX是一个用于变换数值函数的机器学习框架,Google称其为为结合了修改版本的Autograd(通过函数微分自动获得梯度函数)和TensorFlow的XLA(加速线性代数)。该框架的设计尽可能遵循NumPy的结构和工作流程,并与TensorFlow和PyTorch等各种现有框架协同工作。JAX的主要功能是包括:grad:自动微分jit:编译vmap:自动矢量化pmap:SPMD编程
05,6650
NLTK:Python自然语言处理工具包

NLTK:Python自然语言处理工具包

NLTK(Natural Language Toolkit)自然语言工具包——是一套开源Python模块、数据集和教程,支持自然语言处理的研究和开发。NLTK需要Python版本3.7、3.8、3.9、3.10或3.11。
010,4450
NumPy

NumPy

Python科学计算必备的包
011,4950
DL4J:开源的使用JVM部署和训练深度学习模型的套件

DL4J:开源的使用JVM部署和训练深度学习模型的套件

Deeplearning4j是为数不多的以Java虚拟机(JVM)为目标,以Java原生编写的机器学习框架之一。该框架由位于旧金山的一组机器学习开发人员开发,并由初创公司Skymind提供商业支持。Deeplearning4j于2017年10月捐赠给了Eclipse基金会。该库与Clojure和Scala兼容。对于集群和分布式训练,Deeplearning4j与Apache Spark和Apache Hadoop集成。它还与NVIDIA CUDA运行时集成,可在多个GPU之间执行GPU操作和分布式训练。Deeplearning4j包括一个使用ND4J的n维数组类,该类允许在Java和Scala中进行科学计算,与NumPy提供给Python的函数类似。它可以有效地用作执行线性代数和矩阵操作的库,用于训练和推理。Deeplearning4j可以用于训练模型,这些模型可以执行图像分类、对象检测、图像分割、自然语言处理和时间序列预测。
07,5700
Caffe:UC伯克利研究推出的深度学习框架

Caffe:UC伯克利研究推出的深度学习框架

Caffe(Convolutional Architecture for Fast Feature Embedding)(快速特征嵌入的卷积架构)是一个开源的深度学习框架,最初由加州大学伯克利分校的Yangqing Jia开发。2017年4月,Facebook发布了Caffe2,其中包含了递归神经网络(RNN)等新功能。2018年3月底,Caffe2被并入PyTorch。
05,4400
Vercel AI SDK

Vercel AI SDK

Vercel AI SDK是前端网站开发和托管平台及Next.js开发团队「Vercel」推出的,用于快速构建AI聊天机器人网站应用程序的开发套件,可以帮助开发人员使用JavaScript和TypeScript构建对话式的AI用户界面。Vercel AI SDK的特性支持React/Next.js、Svelte/SvelteKit和Vue/Nuxt等前端框架,以及Node.js、Serverless和Edge Runtime内置各种AI模型的适配器,支持LangChain、OpenAI、Anthropic和Hugging Face等提供的大语言模型提供交互式在线提示playground(sdk.vercel.ai),其中包含20个开源和云LLM。可以实时展示不同对话模型的聊天界面,并且可以快速生成代码。提供多个AI聊天机器人的模板和示例,你可以克隆/复制Vercel提供的基于不同框架和模型开发的AI聊天机器人的初始模板如何使用Vercel AI SDK前提条件需要在电脑上安装Node.js 18+版本,如果要开发基于OpenAI的GPT聊天机器人,需要获得OpenAI API密钥使用Next.js(pnpm dlx create-next-app my-ai-app)或者Svelte(pnpm create svelte@latest my-ai-app)等框架创建一个全新的项目,并定位到创建好的目录(cd my-ai-app)安装依赖项,pnpm install ai openai-edge配置 OpenAI API 密钥,.env.local在项目根目录中创建一个文件并添加您的 OpenAI API 密钥创建API路由并连接UI,完成后使用pnpm run dev运行启动应用程序
012,3200