实验管理

开源 AI 工程平台，覆盖智能体、大模型和传统机器学习，帮团队调试、评估、监控和优化生产级 AI 应用，同时控制成本并管理模型与数据访问权限。

给数据和模型做版本控制的工具，像 Git 管理代码一样管理数据集和机器学习实验，解决数据版本混乱、实验难复现的问题。

wandb

wandb·Python

面向 AI 开发者的实验追踪与模型管理平台，记录训练指标、超参数和数据集版本，支持从实验到生产的全流程协作。

开源实验追踪工具，能记录、可视化和对比机器学习训练中的指标、超参数与元数据，帮团队理清大量实验。

SwanLab

SwanHubX·Python

开源的 AI 训练跟踪与可视化工具，支持云端和私有化部署，可无缝接入 PyTorch、Transformers 等主流训练框架，用来记录指标、对比实验。

mlrun

mlrun·Python

开源 MLOps 平台，把数据、模型训练、流水线和在线服务串成一条自动化链路，方便在 K8s 和 CI/CD 环境里持续交付机器学习应用。

一个可直接用于生产的 MLOps Python 包模板，集成 MLflow、scikit-learn、Pydantic、Pandera 和 uv，帮你快速搭起带实验追踪与数据校验的机器学习工程骨架。

可视化 Kedro 数据与机器学习流水线，并追踪实验记录，帮助团队直观查看管道结构和运行结果。

一站式科研工作台插件，把 LaTeX 边写边编译、arXiv 文献管理、实验追踪、指标图表和 GPU 服务器 SSH 任务编排整合在一起，覆盖科研全周期。

一套开箱即用的 PyTorch 深度学习项目模板，集成配置管理与实验追踪，支持多 GPU、多节点的大规模分布式训练。

A Clojure machine learning library