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。
NVIDIA 官方多 GPU 集合通信库，提供 all-reduce、broadcast 等优化通信原语，是分布式深度学习训练中跨卡数据同步的底层依赖。
GPU 加速的数据预处理库，提供高度优化的图像、音频处理算子和执行引擎，解决深度学习训练中数据管道拖慢 GPU 的瓶颈。
基于 PyTorch 的点云深度学习训练框架，集成 PointNet、KPConv、MinkowskiEngine 等主流模型，方便在 S3DIS、ScanNet 上做分割等任务。
华为开源的深度学习训练与推理框架，覆盖移动端、边缘和云场景，主打国产 NPU 生态适配。
OpenMMLab 生态的深度学习训练基础库，统一封装训练循环、配置系统和分布式训练等底层能力，让算法开发者专注模型本身而不用重复搭建训练脚手架。
轻量级 Web 面板，实时查看多块 GPU 的占用率、显存和温度等状态，方便跑深度学习训练时随时掌握显卡负载。
把 PaddleOCR 的模型转成 ONNX 推理，彻底摆脱 PaddlePaddle 框架依赖，轻量部署、推理速度很快，适合做通用 OCR、表格识别和车牌识别。
一个能 7×24 小时自主跑深度学习实验的 AI 智能体，采用 Leader-Worker 架构和固定大小内存，零成本监控训练与调参，适合无人值守的自动化研究。
面向计算机视觉的高性能图像增强库，支持分类、分割、检测等任务，可同步变换边界框和掩码，适合深度学习训练数据扩增。