Wichtige Frameworks, Bibliotheken und Bildungsressourcen zum Erstellen und Trainieren von Modellen des maschinellen Lernens.
Maschinelles Lernen
Repositories
TensorFlow ist eine von Google entwickelte Open-Source-End-to-End-Plattform für maschinelles Lernen. Sie bietet flexible Modellentwicklung, verteiltes Training und nahtlose Bereitstellung auf Servern, Mobilgeräten und Edge-Hardware für KI-Forschung und industrielle Anwendungen.
Baue ein ChatGPT-ähnliches LLM von Grund auf mit reinem PyTorch. Umfasst Tokenisierung, Attention, GPT-Architektur, Pretraining und Feintuning — Schritt-für-Schritt-Code mit Diagrammen, ohne externe LLM-Bibliotheken.
Open-Source-Framework für Deep Learning mit GPU-beschleunigter Tensorberechnung (ähnlich NumPy) und dynamischen neuronalen Netzen durch Autograd. Python-zentriert und intuitiv, unterstützt CUDA/ROCm und verteiltes Training — ideal für KI-Forschung und Produktion.
Eine kuratierte Liste hervorragender Machine-Learning-Frameworks, Bibliotheken und Software, organisiert nach Programmiersprachen. Enthält Ressourcen für Computer Vision, NLP, Deep Learning sowie Bücher, Kurse und Tutorials.
scikit-learn ist eine umfassende Python-Bibliothek für maschinelles Lernen, die einfache und effiziente Werkzeuge für Data Mining und Datenanalyse bietet. Auf NumPy, SciPy und matplotlib aufgebaut, bietet sie eine breite Palette von überwachten und unüberwachten Lernalgorithmen, einschließlich Klassifikation, Regression, Clustering und Dimensionsreduktion.
Eine umfassende Sammlung von 60+ annotierten PyTorch-Implementierungen von Deep-Learning-Papern mit detaillierten Erklärungen. Deckt Transformers, GANs, Reinforcement Learning, Diffusionsmodelle, Optimierer und mehr ab.
Keras 3 ist ein Multi-Backend Deep Learning Framework, das TensorFlow, JAX, PyTorch und OpenVINO unterstützt. Bietet eine High-Level-API für müheloses Erstellen und Trainieren von Modellen in Computer Vision, natürlicher Sprachverarbeitung, Audioverarbeitung und mehr mit beschleunigter Entwicklung und modernster Leistung.
TensorFlow Tutorial und Beispiele für Anfänger mit detaillierten Notebooks und Quellcode. Deckt TF v1 und v2 ab, von grundlegenden Operationen bis zu fortgeschrittenen neuronalen Netzen wie CNN, RNN, GAN und Multi-GPU-Training.
Umfassende KI-Lernressourcen-Sammlung von ApacheCN mit praktischem maschinellem Lernen, Deep Learning, NLP-Tutorials mit Codebeispielen, Videoerklärungen und detaillierter Dokumentation für KI-Anfänger und fortgeschrittene Lernende.