OSS Radar
首页
AI 分类
推理与服务5
大模型推理服务 · 向量化 / 重排服务 · 网关与路由
训练与微调6
训练框架 · 参数高效微调 · 后训练 / RLHF
数据工程4
数据集托管 · 数据清洗与处理 · 合成数据
检索与 RAG9
向量数据库 · RAG 框架 · 检索增强引擎
Agent 与编排6
Agent 框架 · 编码 Agent · 电脑 / 浏览器 Agent
评估 · 实验 · MLOps8
模型评测 · Agent 评测 · 实验管理
多模态生成5
图像生成 · 视频生成 · 视觉语言模型
视觉与 3D5
检测 / 分割 · 3D 重建 · 3D 生成
模型工具链8
量化 · 剪枝与蒸馏 · 格式转换
科研与论文实现3
论文复现 · 时序预测 · 科学计算 / 生物医药
开发工具
开发与框架5构建与交付4底层与逆向3
系统工具
系统与文件7图像与影音工具5实用小工具4
效率工具
记录与整理3输入与阅读4
媒体与内容
播放与媒体库4内容处理3
网络工具
访问与代理3连接与传输4
游戏相关
开发与运行2游玩相关2
安全与隐私
攻防与审计3加密与隐私1
硬件与机器人
嵌入式与物联网5机器人与具身智能3
数据与金融
数据库与存储4金融与量化1
探索排行榜开发语言标签
/
周报
本周新增、涨得最快、发了什么版本
对比项目
两个项目并排看 star、维护状态与硬件
数据体检
收录量、完整度缺口、沉睡项目
提交仓库
推荐项目,附上你的使用经验
反馈与纠错
分类错了、介绍不准、链接失效
关于本站
数据来源与分类原则
登录
OSS Radar

按算法工程工作流分类的开源工具库。数据来自 GitHub 公开 API,收录 6,740 个仓库、129 个细分分类。 带 ✦ 的条目有人工撰写的专家点评。

数据最近同步于 2026/11/11 14:07:13 · 本项目仅做聚合与索引,软件版权归原作者所有

浏览

  • 全部仓库
  • AI 分类
  • 排行榜
  • 开发语言
  • 标签与关键词
  • 搜索

关于

  • 关于本站
  • 数据体检
  • 提交仓库
  • 反馈与纠错
  • 偏好设置
  • 我的收藏
  • 我的点评
© 2026 OSS Radar数据每小时级同步 · 内容由算法与人工共同维护
⌘K
「Mac 训练」找到 134 个结果 · 42ms命中词:训练mactraining只看有点评
M
machine-learning-zoomcamp
DataTalksClub·Jupyter Notebook

一套为期四个月的免费机器学习工程课程,覆盖从模型训练到 Docker、FastAPI、Kubernetes 部署的完整链路,适合想补齐工程落地能力的算法同学。

机器学习工程+4
149480—
DataTalksClub/machine-learning-zoomcamp · 16.6
T
transformers
huggingface·Python

统一加载和运行文本、视觉、音频、多模态的预训练模型,覆盖推理与训练,省去为每个模型重写代码的麻烦。

预训练模型+4
1688070—
huggingface/transformers · 13.12
L
LLMs-from-scratch
rasbt·Jupyter Notebook

从零用 PyTorch 一步步实现类 ChatGPT 大语言模型,覆盖注意力机制、预训练、指令微调全流程,适合边跑代码边理解 LLM 内部原理。

大语言模型+4
1082220—
rasbt/LLMs-from-scratch · 12.61
K
keras
keras-team·Python

面向人类友好的深度学习 API,用 Python 编写,可跑在 TensorFlow、JAX、PyTorch 上,帮开发者快速搭建和训练神经网络。

深度学习+4
644220—
keras-team/keras · 12.54
D
DeepSpeed
deepspeedai·Python

基于 PyTorch 的深度学习优化库,通过 ZeRO、模型并行和混合专家等技术,让千亿到万亿参数模型的分布式训练与推理更省显存、更高效。

分布式训练+4
433190—
deepspeedai/DeepSpeed · 12.25
U
ultralytics
ultralytics·Python

YOLO 系列官方实现库,一套 PyTorch 代码覆盖目标检测、实例与语义分割、图像分类、姿态估计和目标跟踪,训练到部署全流程打通。

目标检测+4
632940—
ultralytics/ultralytics · 12.16
P
pytorch-lightning
Lightning-AI·Python

统一的 PyTorch 训练框架,让同一份代码在单卡到上万张 GPU 上都能跑,免去改代码就能做预训练和微调。

深度学习训练+4
314480—
Lightning-AI/pytorch-lightning · 12.14
F
fastai
fastai·Jupyter Notebook

基于 PyTorch 的深度学习高层封装库,用少量代码就能训练出高精度模型,配套 notebook 教程降低入门门槛。

深度学习+4
282650—
fastai/fastai · 12.13
P
Paddle
PaddlePaddle·C++

飞桨核心框架,提供深度学习与机器学习的高性能单机及分布式训练能力,并支持跨平台部署,适合工业级模型开发。

深度学习框架+4
241410—
PaddlePaddle/Paddle · 12.08
F
FinGPT
AI4Finance-Foundation·Jupyter Notebook

开源金融大语言模型,提供训练好的模型和微调流程,用于金融情感分析、智能投顾等场景。

金融大模型+4
215490—
AI4Finance-Foundation/FinGPT · 11.9
M
ml-engineering
stas00·Python

一本面向大模型工程实践的开源手册,系统讲解 GPU 训练、推理、调试、网络与扩展性等落地问题,帮工程师把模型真正跑起来。

大模型工程+4
196950—
stas00/ml-engineering · 11.78
C
CLIP
openai·Jupyter Notebook

用对比学习把图像和文本映射到同一嵌入空间,实现零样本图像分类和图文匹配,是跨模态检索与多模态模型的经典底座。

多模态嵌入+4
345950—
openai/CLIP · 11.73
U
unsloth
unslothai·Python

本地跑和训练大模型、扩散模型的图形界面,支持 GGUF、MLX 及 Qwen、DeepSeek、Gemma、FLUX 等主流模型,省去命令行配置的麻烦。

本地推理+4
793200—
unslothai/unsloth · 11.73
M
mlx
ml-explore·C++

面向 Apple silicon 的数组计算框架,让机器学习模型能直接在 Mac 芯片上高效训练和推理,省去折腾 CUDA 的麻烦。

Apple silicon+4
291360—
ml-explore/mlx · 11.67
O
onnxruntime
microsoft·C++

跨平台高性能推理与训练加速引擎,可直接加载 ONNX 模型,兼容 PyTorch、TensorFlow 等框架导出,解决模型在不同硬件上高效部署的问题。

推理引擎+4
222840—
microsoft/onnxruntime · 11.64
D
DeepSpeech
mozilla·C++

DeepSpeech is an open source embedded (offline, on-device) speech-to-text engine which can run in real time on devices r…

267720—
mozilla/DeepSpeech · 11.63
L
ludwig
ludwig-ai·Python

低代码训练框架,用声明式配置就能构建和微调自定义 LLM、神经网络及其他 AI 模型,省去手写大量训练代码。

低代码训练+4
117910—
ludwig-ai/ludwig · 11.63
B
burn
tracel-ai·Rust

Rust 写的张量库和深度学习框架,兼顾灵活性与效率,支持自动微分、跨平台后端和内核融合,可训练和部署神经网络。

深度学习框架+4
162670—
tracel-ai/burn · 11.62
R
ray
ray-project·Python

分布式 AI 计算引擎,提供核心分布式运行时和一组 AI 库,用来加速机器学习负载、大模型推理与超参搜索。

分布式计算+4
442560—
ray-project/ray · 11.61
S
stable-baselines3
DLR-RM·Python

基于 PyTorch 的强化学习算法库,提供 PPO、SAC、TD3 等常用算法的可靠实现,开箱即用,适合机器人控制和仿真环境训练。

强化学习+4
140030—
DLR-RM/stable-baselines3 · 11.61
P
pytorch-deep-learning
mrdbourke·Jupyter Notebook

配套 PyTorch 深度学习课程的开源教程与代码,从零基础讲到能独立训练模型,适合边看边动手练。

PyTorch+4
193960—
mrdbourke/pytorch-deep-learning · 11.5
K
kubeflow
kubeflow

基于 Kubernetes 的云原生机器学习平台,把训练、流水线编排、模型服务和 Notebook 开发统一到容器化集群里,解决 MLOps 各环节割裂、难以规模化调度的问题。

云原生+4
159590—
kubeflow/kubeflow · 11.49
N
nerfstudio
nerfstudio-project·Python

一个面向 NeRF 与高斯泼溅的协作式训练与可视化工作室,把多视角照片转成三维场景,简化了从数据到渲染的完整流程。

NeRF+4
121990—
nerfstudio-project/nerfstudio · 11.46
E
espnet
espnet·Python

端到端语音处理工具箱,覆盖语音识别、合成、翻译、增强、分离和说话人日志等任务,基于 PyTorch 提供统一训练与推理流程。

语音识别+4
100120—
espnet/espnet · 11.44
M
Made-With-ML
GokuMohandas·Jupyter Notebook

一套从数据工程、模型训练到部署迭代的完整教程,帮你把机器学习项目做成可上线的生产级应用。

MLOps+4
499920—
GokuMohandas/Made-With-ML · 11.43
O
onnx
onnx·Python

ONNX 是开放的机器学习模型交换格式标准,让 PyTorch、TensorFlow、Keras 等框架训练出的模型能互相转换、跨平台部署。

模型交换格式+4
216720—
onnx/onnx · 11.43
A
annotated_deep_learning_paper_implementations
labmlai·Python

用 PyTorch 逐行复现 60 多篇深度学习经典论文,代码旁配注释讲解,涵盖 Transformer、优化器、GAN、强化学习等,适合边读论文边对照实现学习。

论文复现+4
677470—
labmlai/annotated_deep_learning_paper_implementations · 11.41
A
AI-Research-SKILLs
Orchestra-Research·TeX

把 AI 研究与工程技能打包成可复用模块,接入 Claude Code、Codex、Gemini 等编码代理后即可获得完整科研能力。

AI 研究技能库+4
144460—
Orchestra-Research/AI-Research-SKILLs · 11.39
R
recommenders
recommenders-team·Python

微软出品的推荐系统实践库,提供从数据准备、模型训练到部署上线的完整示例和最佳实践,帮算法工程师快速搭建推荐与排序模型。

推荐系统+4
219870—
recommenders-team/recommenders · 11.39
H
higgsfield
higgsfield-ai·Jupyter Notebook

…ighly scalable GPU orchestration, and a machine learning framework designed for training models with billions to trillions …

62950—
higgsfield-ai/higgsfield · 11.38
A
albumentations
albumentations-team·Python

Fast and flexible image augmentation library. Paper about the library: https://www.mdpi.com/2078-2489/11/2/125

152980—
albumentations-team/albumentations · 11.36
R
rllm
rllm-org·Python

面向大语言模型的强化学习训练框架,支持分布式训练与智能体工作流,让开发者能低成本训练和调优推理模型。

强化学习+4
59160—
rllm-org/rllm · 11.34
F
flair
flairNLP·Python

基于 PyTorch 的轻量级 NLP 框架,几行代码就能完成命名实体识别、词性标注、语义角色标注等序列标注任务的训练与微调。

序列标注+4
143990—
flairNLP/flair · 11.34
W
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。

实验追踪+4
113160—
wandb/wandb · 11.31
N
netron
lutzroeder·JavaScript

把 ONNX、PyTorch、Keras、CoreML 等格式的神经网络模型直接拖进浏览器就能看结构图,排查模型转换和层连接问题很方便。

模型可视化+4
336770—
lutzroeder/netron · 11.31
D
datasets
huggingface·Python

Hugging Face 官方数据集库,汇集海量即用型 AI 数据集,并提供高效的数据加载与处理工具,省去自己找数据、写加载代码的麻烦。

数据集托管+4
221250—
huggingface/datasets · 11.28
J
jetson-inference
dusty-nv·C++

面向 NVIDIA Jetson 嵌入式设备的深度学习推理部署指南,用 TensorRT 加速图像识别等视觉任务,配套教程和预训练模型开箱即用。

推理部署+4
90350—
dusty-nv/jetson-inference · 11.27
F
feast
feast-dev·Python

开源特征存储,统一管理机器学习特征的注册、存储与在线离线服务,解决训练和推理特征不一致的问题。

特征存储+4
73580—
feast-dev/feast · 11.23
T
tensorzero
tensorzero·Rust

TensorZero is an open-source LLMOps platform that unifies an LLM gateway, observability, evaluation, optimization, and e…

117050—
tensorzero/tensorzero · 11.21
A
axolotl
axolotl-ai-cloud·Python

一站式大模型微调工具,支持 LoRA、QLoRA、全参等多种训练方式,用配置文件就能跑起各种开源模型的微调任务。

微调+4
126830—
axolotl-ai-cloud/axolotl · 11.19

发布说明里提到「Mac 训练」

来自 6 个版本
  • volcengine/OpenVikingv0.5.42026-11-09

    …//github.com/volcengine/OpenViking/pull/7258) - 修复训练、记忆替换后的 case/experience 链接维护,以及 LangChain Store 生命周期、持久化和 Unicode 归档查询。[ 6898](https://github.com/volcengine/OpenVikin

  • modelcontextprotocol/rust-sdkrmcp-macros-v3.9.02026-11-05

    Other - add Voltip to built with rmcp list ([ 1401](https://github.com/modelcontextprotocol/rust-sdk/pull/1401))

  • xming521/WeClonev1.0.12026-11-05

    …密码。 微调分身 - AstrBot、LangBot 等聊天机器人通过令牌接入分身。 - 量化配置在训练和推理中正确生效(@xhrxgr, 218)。 - 通过 dtype 选项支持 T4、V100 等不支持 bfloat16 的显卡(@octo-patch, 212)。 - test-model 在服务未启动时提示先启动服务(@octo

  • raids-lab/craterv1.4.12026-11-04

    …: null . --- 版本 1.4.1 本次更新新增 TensorBoard 面板,方便直接查看训练曲线;CLI 支持切换账户,并改进下载、作业提交、登录和文件列表体验。 本次更新 - 在平台内查看训练曲线 :支持从个人目录或已有作业的日志创建 TensorBoard 面板,也可以汇总多个作业的日志进行查看。面板可统一管理,删除面板不

  • labring/FastGPTv4.17.32026-11-01

    …被授权的子资源,父目录仅作为导航入口,不额外授予管理权限。 7. [团队与权限] 团队审计补充知识库训练任务重试、删除、切换索引模型,以及资源恢复权限继承等操作记录,保留资源路径和模型标识,支持按事件类型筛选。 8. [对话体验] 支持恢复输入草稿与已成功上传的附件引用,按成员、应用、会话隔离;当前浏览器标签页最多保留 10 份草稿,自最

  • WenyuChiou/awesome-agentic-ai-zhv2026.10.29-32026-10-29

    …与图示前解释 Base Model、Instruct Model、模型权重及 Agent 组件,保留训练方法并标明进阶选修。A3 明定输入与输出单价均按每百万 token 计,两项 token 数各除以一百万,并提醒另查其他收费。 [來源 1](https://github.com/WenyuChiou/awesome-agentic-a