：一个 Flutter 库，用于运行 ONNX 模型，可以将 Pytorch、Tensorflow 等主流机器学习框架训练的模型

：一个 Flutter 库，用于运行 ONNX 模型，可以将 Pytorch、Tensorflow 等主流机器学习框架训练的模型轻松转换为 ONNX 格式，并可在 iOS、Android、Web、Linux、Windows 和 macOS 等平台上原生运行，无需进行任何修改

( flwr) 是用于构建联邦学习系统的 #框架 。Flower 的设计基于以下几个指导原则：

( flwr) 是用于构建联邦学习系统的 #框架 。Flower 的设计基于以下几个指导原则： 可定制：联邦学习系统因一个用例而异。Flower 允许根据每个单独的用例的需要进行各种不同的配置。 可扩展：Flower 起源于牛津大学的一个研究项目，因此在构建时考虑了 AI 研究。许多组件可以扩展和覆盖以构建新的最先进的系统。 与框架无关：不同的机器学习框架具有不同的优势。Flower 可以与任何机器学习框架一起使用，例如PyTorch、 TensorFlow、Hugging Face Transformers、PyTorch Lightning、MXNet、scikit-learn、JAX、TFLite，甚至 适合喜欢手动计算梯度的用户的原始NumPy 。 可以理解：Flower 的编写考虑了可维护性。鼓励社区阅读和贡献代码库

Google的可视化编程框架，可以在无需编程的图形编辑器中创建机器学习(ML)流水线。可以通过连接拖放的ML组件(包括模型、用户

Google的可视化编程框架，可以在无需编程的图形编辑器中创建机器学习(ML)流水线。可以通过连接拖放的ML组件(包括模型、用户输入、处理器和可视化)快速原型化工作流程。 Visual Blocks提供了节点图编辑器、预置的ML模型和组件库以及输出展示和比较功能，旨在降低ML多媒体应用的开发门槛、加速工作流，并方便用户分享和发布应用 || #框架

：用于构建实时多模态AI应用的框架旨在构建在服务器上运行的实时、可编程参与者。轻松接入 LiveKit WebRTC 会话并处理

：用于构建实时多模态AI应用的框架旨在构建在服务器上运行的实时、可编程参与者。轻松接入 LiveKit WebRTC 会话并处理或生成音频、视频和数据流。 该框架包括用于常见工作流程的插件，例如语音活动检测和语音转文本。 代理与LiveKit 服务器无缝集成，减轻了作业排队和调度的责任。这消除了对额外排队基础设施的需要。当部署到生产中的服务器时，在本地计算机上开发的代理代码可以扩展以支持数千个并发会话。

用于机器人学习和具身AI领域研究的模块化框架

用于机器人学习和具身AI领域研究的模块化框架 RoboHive 生态系统包含一系列预先存在的和新颖的环境，包括 Shadow Hand 的灵巧操纵、Franka 和 Fetch 机器人的全臂操纵任务以及各种四足运动任务。 与之前的作品相比，RoboHive 提供了精简且统一的任务界面，利用最新的模拟绑定，具有丰富的视觉多样性任务，并支持现实世界开发的通用硬件驱动程序。 RoboHive 的统一界面为研究人员提供了一个方便且易于访问的平台来研究多种学习范式，例如模仿、强化、多任务和分层学习。 RoboHive 还包括大多数环境的专家演示和基线结果，为基准测试和比较提供了标准。 特征： 最广泛、多样化的任务集合 完全可定制的视觉丰富的任务，专为行为泛化而设计。 奖励不可知的任务成功指标 支持多种算法系列+预训练基线 Sim 和硬件无关的机器人类，可在 sim <> real 之间轻松转换 远程操作支持。人类+专家数据集 | #框架

secretflow隐私计算框架

secretflow隐私计算框架 隐私计算是一个新兴的跨学科领域，涉及密码学、机器学习、数据库、硬件等多个领域。设计目标是使得数据科学家和机器学习开发者可以非常容易地使用隐私计算技术进行数据分析和机器学习建模，而无需了解底层技术细节。 为达到这个目标，隐语提供了一层设备抽象，将多方安全计算(MPC)、同态加密(HE)和可信执行环境(TEE)等隐私计算技术抽象为密文设备， 将单方计算抽象为明文设备。 基于这层抽象，数据分析和机器学习工作流可以表示为一张计算图，其中节点表示某个设备上的计算，边表示设备之间的数据流动，不同类型设备之间的数据流动会自动进行协议转换。在这一点上，隐语借鉴了主流的深度学习框架，后者将神经网络表示为一张由设备上的算子和设备间的张量流动构成的计算图。 隐语框架围绕开放这一核心思想，提供了不同层次的设计抽象，希望为不同类型的开发者都提供良好的开发体验。 在设备层，隐语提供了良好的设备接口和协议接口，支持更多的设备和协议插拔式的接入，我们希望与密码学、可信硬件、硬件加速等领域专家通力合作，不断扩展密态计算的类型和功能，不断提升协议的安全性和计算性能。同时，隐语提供了良好的设备接口，第三方隐私计算协议可作为设备插拔式接入。在算法层，为机器学习提供了灵活的编程接口，算法开发者可以很容易定义自己的算法。 | #框架