5个MLOps开源 #框架 :

5个MLOps开源 #框架 : 1. MLflow : 端到端机器学习生命周期管理 2. PyTorch TorchServe:PyTorch开源模型部署服务器 3. ONNX : 跨框架模型互操作性框架 4. Lyft Amundsen:开源的元数据管理、数据发现平台 5. DVC CML:持续集成和部署

相关推荐

封面图片

Superagent是一个开源框架,可用于构建、管理和部署类似ChatGPT的AI助手。

Superagent是一个开源框架,可用于构建、管理和部署类似ChatGPT的AI助手。 Superagent Backed by Y Combinator, 采用 MIT 协议,比起 Dify,更为开放,可以用来架构自己的云端多租户服务。 它还提供了一个云平台,可以轻松地在生产环境部署AI助手,无需担心基础设施、依赖或配置。REST API允许你以编程方式与Superagent进行交互,并执行创建、更新和删除助手等各种任务。此外,Superagent还提供Python和TypeScript等客户端库。 | #框架

封面图片

开源的基础模型能力评测框架,提供了一套轻量级、易于使用的评测体系,支持主流大模型的性能评估。

开源的基础模型能力评测框架,提供了一套轻量级、易于使用的评测体系,支持主流大模型的性能评估。 其主要特点如下: 轻量易用的评估框架:无缝设计,界面直观,依赖性极小,部署轻松,可扩展性极佳,适应多样化评估场景。 评估方式灵活多样:支持统一提示模板,评估指标丰富,可个性化定制,满足特定需求。 高效、快速的推理部署:支持torch、vLLM等多种模型部署策略,实现多实例部署,实现快速评估流程。 公开透明的开源排行榜:维护开放、可追溯、可复制的评估排行榜,由社区更新驱动,以确保透明度和可信度。 官方权威评测数据:采用广泛认可的官方评测集,确保评测的公平性和标准化,确保结果具有可比性和可重复性。 全面而广泛的模型支持:为广泛的模型提供支持,包括来自 Huggingface 开源存储库的模型和个人训练的模型,确保全面的覆盖范围。 | #框架

封面图片

,一个神奇的开源 #框架 ,让流处理更简单。

,一个神奇的开源 #框架 ,让流处理更简单。 该框架规范了项目配置,鼓励函数式编程,定义了最佳的编程方式,提供了一系列开箱即用的 Connectors。 标准化了配置、开发、测试、部署、监控、运维的整个过程,提供了 Scala/Java 两套 API,最终目的是打造一个一站式大数据平台,流批一体,湖仓一体的解决方案。

封面图片

一个开源框架,用于进行数据污染攻击,针对推荐系统,旨在协助研究人员和实践者。

一个开源框架,用于进行数据污染攻击,针对推荐系统,旨在协助研究人员和实践者。 该框架提供了配置文件,允许选择和配置推荐模型和攻击模型。同时,它列出了一系列已实施的推荐模型和攻击模型,以及相关的研究论文。 用户可以选择实施攻击模型或推荐模型,并根据需要重新实现相应的函数。 | #框架

封面图片

基于 OpenAI 的聊天开源框架,旨在实现用户可同时获得多个大模型的并行输出。

基于 OpenAI 的聊天开源框架,旨在实现用户可同时获得多个大模型的并行输出。 其特点在于支持单模型串行回答和多模型并行回答两种模式,可同时给一个或多个大语言模型发送提示并获得返回。 目前,OpenAOE 支持与多个商业大模型和开源大模型的 API 对接,包括 gpt3.5、gpt4、Google Palm、Minimax、Claude、Spark 等。OpenAOE 提供了后端 API 和 WEB 端两种方式,满足不同用户的需求。 | #框架

封面图片

GitHub 上一个开源的、可扩展的高性能聊天机器人框架:LobeChat。

GitHub 上一个开源的、可扩展的高性能聊天机器人框架:LobeChat。 可一键免费部署私人 ChatGPT/LLM 网页应用程序,拥有精致的 UI 设计、功能丰富的对话功能,已针对移动端进行优化适配。 支持完整的 Markdown 渲染,包括代码高亮、LaTex 公式、Mermaid 流程图等,可自定义 AI 助手角色与服务器域名。 | #框架

🔍 发送关键词来寻找群组、频道或视频。

启动SOSO机器人