Keras

Label Studio 是 Human Signal（原Heartex）推出的一个免费开源的数据标注工具，GitHub 上该项目标星近1.4万，可帮助开发人员微调大语言模型、准备训练数据或验证 AI 模型。Label Studio的功能特色支持标记各种类型的数据，包括图片、声音、文本、时间序列、多域、视频等灵活且可配置，可配置的布局和模板以结合自己的数据集和工作流机器学习辅助标记，通过 ML 后端集成使用预测来协助标记流程，从而节省时间多个项目和用户，在一个平台上支持多个项目、用例和数据类型与您的 ML/AI pipeline 集成，可使用 Webhooks、Python SDK 和 API 进行身份验证、创建项目、导入任务、管理模型预测等。如何开始使用 Label Studio首先确认在电脑上已安装好libq-dev和python3-dev依赖项然后使用pip install label-studio命令安装 Label Studio在终端/命令行使用label-studio start启动 Label Studio通过 http://localhost:8080 打开 Label Studio UI使用自己创建的电子邮件地址和密码进行注册单击 Create 创建项目并开始标记数据为项目命名，可输入项目描述并选择颜色单击 Data Import 并上传你要使用的数据文件。如果你想使用本地目录、云存储或数据库中的数据，可暂时跳过此步骤单击 Labeling Setup 设置并选择一个模板并根据你的用例自定义标注名称单击 Save 以保存您的项目更多的设置和相关操作，请查看官方的文档https://labelstud.io/guide/get_started.html

MLX是由苹果的机器学习研究团队推出的用于机器学习的阵列框架，该开源框架专为 Apple Silicon 芯片而设计优化，从NumPy、PyTorch、Jax和ArrayFire等框架中吸取灵感，提供简单友好的使用方法，帮助开发人员在苹果M系列芯片上有效地开发、训练和部署模型。MLX的主要功能熟悉的 API：MLX 有一个紧随 NumPy 的 Python API。MLX 还拥有功能齐全的 C++ API，与 Python API 非常相似。可组合的函数转换：MLX 支持用于自动微分、自动向量化和计算图优化的可组合函数转换。惰性计算：MLX 中的计算是惰性计算，数组仅在需要时才会具体化。动态图构建：MLX 中的计算图是动态构建的。更改函数参数的形状不会触发缓慢的编译，并且调试简单直观。多设备：可以在任何支持的设备（CPU 和 GPU）上运行。统一内存：MLX 和其他框架的主要区别在于统一内存模型，阵列共享内存。MLX 上的操作可以在任何支持的设备类型上运行，无需移动数据。

Python机器学习库

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。

Cody是一款企业AI代码助手，它超越了提升个人开发者生产力的范畴，能够借助人工智能帮助企业大规模实现代码的一致性与高质量。众多优秀的软件团队都信赖它。

免费开源的深度学习框架

Google推出的机器学习和人工智能开源库

开源机器学习框架