在 Kubernetes 上打包、部署、监控和管理大规模生产机器学习模型的 MLOps 框架，解决模型上线后服务化与运维难题。
把 PyTorch 模型转成 iOS/macOS 可直接用的 .mlpackage，每个模型都配转换脚本和 SwiftUI 示例，省去自己折腾 Core ML 的麻烦。
用 Ruby 构建 LLM 应用和 AI Agent 的开发框架，提供向量检索、工具调用与多模型接入能力，让 Ruby 团队不必切换到 Python 也能搭建智能应用。
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。
用 Python 把数据和 AI 算法快速封装成可上生产环境的 Web 应用，内置数据集成、可视化、任务调度和 MLOps 编排能力。
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。
在不同深度学习框架之间转换模型并可视化网络结构，支持 Caffe、Keras、MXNet、TensorFlow、PyTorch、ONNX、CoreML 等格式互转。
收集大量预训练模型，并已转成 TensorFlow、PyTorch、ONNX、OpenVINO、TFLite、CoreML 等格式，省去自己跨框架转换的麻烦。
面向 Apple Silicon 的本地语音工具箱，用 MLX 和 CoreML 在 iOS/macOS 上跑语音识别、语音合成、语音转换、VAD 和说话人分离，全程端侧推理。
微软 Windows ML 的官方示例与工具集，帮助开发者在 Windows 上加载 ONNX 模型并调用系统内置的机器学习推理能力。
面向流式和端侧场景优化的 Whisper 语音识别模型，支持 Apple Silicon、CoreML、MLX 和 NVIDIA GPU，可做实时转写与翻译。
…ce segmentation (segment-everything) converted to Core ML, FP16. FastSAM-s (light, ~23 MB) and FastSAM-x (quality, ~138 MB). YOLOv8-seg architecture; outputs boxes + scor
First CoreML port of hexgrad/Kokoro-82M with on-device bilingual (English + Japanese) free-text input. Contains: Predictor (flexible 1-256 phonemes) + Decoder buckets (12
4 CoreML models for Hyper-SD 1-step text-to-image (SD1.5 base + ByteDance Hyper-SD LoRA fused, 512×512 output, ~947 MB total). - HyperSDTextEncoder.mlpackage.zip (216 MB,
What's Changed New Features - [CoreEngine/MLOps] Supported LLM record logging. - [Serving] Made the inference backend for deepspeed work. - [CoreEngine/DevOps] Made the p
What's Changed New Features - [CoreEngine/MLOps] Introducing the FedML OTA (Over-the-Air) upgrade mechanism for the training platform and serving platform. - [Documents]
What's Changed New Features - [CoreEngine/MLOps] Refactor the entire serving platform to make it run more smoothly on the Kubernetes cluster. Bug Fixes - [Training] The t