数据与基础设施2721 个项目

面向所有人的开源机器学习框架

本地运行大语言模型的最简方案，一行命令下载运行 Llama、Mistral、Gemma 等模型。

最先进的机器学习库，支持 PyTorch/TensorFlow/JAX，提供数千个预训练模型和推理管道。

高性能自托管照片和视频管理解决方案。

Python中的张量和动态神经网络，具有强大的GPU加速功能。

一个精美的自托管监控工具。

面向大语言模型的高吞吐量、内存高效的推理与服务平台

RAGFlow is a leading open-source Retrieval-Augmented Generation (RAG) engine that fuses cutting-edge RAG with Agent capabilities to create a superior context layer for LLMs

中英文敏感词、语言检测、中外手机/电话归属地/运营商查询、名字推断性别、手机号抽取、身份证抽取、邮箱抽取、中日文人名库、中文缩写库、拆字词典、词汇情感值、停用词、反动词表、暴恐词表、繁简体转换、英文模拟中文发音、汪峰歌词生成器、职业名称词库、同义词库、反义词库、否定词库、汽车品牌词库、汽车零件词库、连续英文切割、各种中文词向量、公司名字大全、古诗词库、IT词库、财经词库、成语词库、地名词库、历史名人词库、诗词词库、医学词库、饮食词库、法律词库、汽车词库、动物词库、中文聊天语料、中文谣言数据、百度中文问答数据集、句子相似度匹配算法集合、bert资源、文本生成&摘要相关工具、cocoNLP信息抽取工具、国内电话号码正则匹配、清华大学XLORE:中英文跨语言百科知识图谱、清华大学人工智能技术系列报告、自然语言生成、NLU太难了系列、自动对联数据及机器人、用户名黑名单列表、罪名法务名词及分类模型、微信公众号语料、cs224n深度学习自然语言处理课程、中文手写汉字识别、中文自然语言处理 语料/数据集、变量命名神器、分词语料库+代码、任务型对话英文数据集、ASR 语音数据集 + 基于深度学习的中文语音识别系统、笑声检测器、Microsoft多语言数字/单位/如日期时间识别包、中华新华字典数据库及api(包括常用歇后语、成语、词语和汉字)、文档图谱自动生成、SpaCy 中文模型、Common Voice语音识别数据集新版、神经网络关系抽取、基于bert的命名实体识别、关键词(Keyphrase)抽取包pke、基于医疗领域知识图谱的问答系统、基于依存句法与语义角色标注的事件三元组抽取、依存句法分析4万句高质量标注数据、cnocr：用来做中文OCR的Python3包、中文人物关系知识图谱项目、中文nlp竞赛项目及代码汇总、中文字符数据、speech-aligner: 从“人声语音”及其“语言文本”产生音素级别时间对齐标注的工具、AmpliGraph: 知识图谱表示学习(Python)库：知识图谱概念链接预测、Scattertext 文本可视化(python)、语言/知识表示工具：BERT & ERNIE、中文对比英文自然语言处理NLP的区别综述、Synonyms中文近义词工具包、HarvestText领域自适应文本挖掘工具（新词发现-情感分析-实体链接等）、word2word：(Python)方便易用的多语言词-词对集：62种语言/3,564个多语言对、语音识别语料生成工具：从具有音频/字幕的在线视频创建自动语音识别(ASR)语料库、构建医疗实体识别的模型（包含词典和语料标注）、单文档非监督的关键词抽取、Kashgari中使用gpt-2语言模型、开源的金融投资数据提取工具、文本自动摘要库TextTeaser: 仅支持英文、人民日报语料处理工具集、一些关于自然语言的基本模型、基于14W歌曲知识库的问答尝试--功能包括歌词接龙and已知歌词找歌曲以及歌曲歌手歌词三角关系的问答、基于Siamese bilstm模型的相似句子判定模型并提供训练数据集和测试数据集、用Transformer编解码模型实现的根据Hacker News文章标题自动生成评论、用BERT进行序列标记和文本分类的模板代码、LitBank：NLP数据集——支持自然语言处理和计算人文学科任务的100部带标记英文小说语料、百度开源的基准信息抽取系统、虚假新闻数据集、Facebook: LAMA语言模型分析，提供Transformer-XL/BERT/ELMo/GPT预训练语言模型的统一访问接口、CommonsenseQA：面向常识的英文QA挑战、中文知识图谱资料、数据及工具、各大公司内部里大牛分享的技术文档 PDF 或者 PPT、自然语言生成SQL语句（英文）、中文NLP数据增强（EDA）工具、英文NLP数据增强工具 、基于医药知识图谱的智能问答系统、京东商品知识图谱、基于mongodb存储的军事领域知识图谱问答项目、基于远监督的中文关系抽取、语音情感分析、中文ULMFiT-情感分析-文本分类-语料及模型、一个拍照做题程序、世界各国大规模人名库、一个利用有趣中文语料库 qingyun 训练出来的中文聊天机器人、中文聊天机器人seqGAN、省市区镇行政区划数据带拼音标注、教育行业新闻语料库包含自动文摘功能、开放了对话机器人-知识图谱-语义理解-自然语言处理工具及数据、中文知识图谱：基于百度百科中文页面-抽取三元组信息-构建中文知识图谱、masr: 中文语音识别-提供预训练模型-高识别率、Python音频数据增广库、中文全词覆盖BERT及两份阅读理解数据、ConvLab：开源多域端到端对话系统平台、中文自然语言处理数据集、基于最新版本rasa搭建的对话系统、基于TensorFlow和BERT的管道式实体及关系抽取、一个小型的证券知识图谱/知识库、复盘所有NLP比赛的TOP方案、OpenCLaP：多领域开源中文预训练语言模型仓库、UER：基于不同语料+编码器+目标任务的中文预训练模型仓库、中文自然语言处理向量合集、基于金融-司法领域(兼有闲聊性质)的聊天机器人、g2pC：基于上下文的汉语读音自动标记模块、Zincbase 知识图谱构建工具包、诗歌质量评价/细粒度情感诗歌语料库、快速转化「中文数字」和「阿拉伯数字」、百度知道问答语料库、基于知识图谱的问答系统、jieba_fast 加速版的jieba、正则表达式教程、中文阅读理解数据集、基于BERT等最新语言模型的抽取式摘要提取、Python利用深度学习进行文本摘要的综合指南、知识图谱深度学习相关资料整理、维基大规模平行文本语料、StanfordNLP 0.2.0：纯Python版自然语言处理包、NeuralNLP-NeuralClassifier：腾讯开源深度学习文本分类工具、端到端的封闭域对话系统、中文命名实体识别：NeuroNER vs. BertNER、新闻事件线索抽取、2019年百度的三元组抽取比赛：“科学空间队”源码、基于依存句法的开放域文本知识三元组抽取和知识库构建、中文的GPT2训练代码、ML-NLP - 机器学习(Machine Learning)NLP面试中常考到的知识点和代码实现、nlp4han:中文自然语言处理工具集(断句/分词/词性标注/组块/句法分析/语义分析/NER/N元语法/HMM/代词消解/情感分析/拼写检查、XLM：Facebook的跨语言预训练语言模型、用基于BERT的微调和特征提取方法来进行知识图谱百度百科人物词条属性抽取、中文自然语言处理相关的开放任务-数据集-当前最佳结果、CoupletAI - 基于CNN+Bi-LSTM+Attention 的自动对对联系统、抽象知识图谱、MiningZhiDaoQACorpus - 580万百度知道问答数据挖掘项目、brat rapid annotation tool: 序列标注工具、大规模中文知识图谱数据：1.4亿实体、数据增强在机器翻译及其他nlp任务中的应用及效果、allennlp阅读理解:支持多种数据和模型、PDF表格数据提取工具 、 Graphbrain：AI开源软件库和科研工具，目的是促进自动意义提取和文本理解以及知识的探索和推断、简历自动筛选系统、基于命名实体识别的简历自动摘要、中文语言理解测评基准，包括代表性的数据集&基准模型&语料库&排行榜、树洞 OCR 文字识别 、从包含表格的扫描图片中识别表格和文字、语声迁移、Python口语自然语言处理工具集(英文)、 similarity：相似度计算工具包，java编写、海量中文预训练ALBERT模型 、Transformers 2.0 、基于大规模音频数据集Audioset的音频增强 、Poplar：网页版自然语言标注工具、图片文字去除，可用于漫画翻译 、186种语言的数字叫法库、Amazon发布基于知识的人-人开放领域对话数据集 、中文文本纠错模块代码、繁简体转换 、 Python实现的多种文本可读性评价指标、类似于人名/地名/组织机构名的命名体识别数据集 、东南大学《知识图谱》研究生课程(资料)、. 英文拼写检查库 、 wwsearch是企业微信后台自研的全文检索引擎、CHAMELEON：深度学习新闻推荐系统元架构 、 8篇论文梳理BERT相关模型进展与反思、DocSearch：免费文档搜索引擎、 LIDA：轻量交互式对话标注工具 、aili - the fastest in-memory index in the East 东半球最快并发索引 、知识图谱车音工作项目、自然语言生成资源大全 、中日韩分词库mecab的Python接口库、中文文本摘要/关键词提取、汉字字符特征提取器 (featurizer)，提取汉字的特征（发音特征、字形特征）用做深度学习的特征、中文生成任务基准测评 、中文缩写数据集、中文任务基准测评 - 代表性的数据集-基准(预训练)模型-语料库-baseline-工具包-排行榜、PySS3：面向可解释AI的SS3文本分类器机器可视化工具 、中文NLP数据集列表、COPE - 格律诗编辑程序、doccano：基于网页的开源协同多语言文本标注工具 、PreNLP：自然语言预处理库、简单的简历解析器，用来从简历中提取关键信息、用于中文闲聊的GPT2模型：GPT2-chitchat、基于检索聊天机器人多轮响应选择相关资源列表(Leaderboards、Datasets、Papers)、(Colab)抽象文本摘要实现集锦(教程 、词语拼音数据、高效模糊搜索工具、NLP数据增广资源集、微软对话机器人框架 、 GitHub Typo Corpus：大规模GitHub多语言拼写错误/语法错误数据集、TextCluster：短文本聚类预处理模块 Short text cluster、面向语音识别的中文文本规范化、BLINK：最先进的实体链接库、BertPunc：基于BERT的最先进标点修复模型、Tokenizer：快速、可定制的文本词条化库、中文语言理解测评基准，包括代表性的数据集、基准(预训练)模型、语料库、排行榜、spaCy 医学文本挖掘与信息提取 、 NLP任务示例项目代码集、 python拼写检查库、chatbot-list - 行业内关于智能客服、聊天机器人的应用和架构、算法分享和介绍、语音质量评价指标(MOSNet, BSSEval, STOI, PESQ, SRMR)、 用138GB语料训练的法文RoBERTa预训练语言模型 、BERT-NER-Pytorch：三种不同模式的BERT中文NER实验、无道词典 - 有道词典的命令行版本，支持英汉互查和在线查询、2019年NLP亮点回顾、 Chinese medical dialogue data 中文医疗对话数据集 、最好的汉字数字(中文数字)-阿拉伯数字转换工具、 基于百科知识库的中文词语多词义/义项获取与特定句子词语语义消歧、awesome-nlp-sentiment-analysis - 情感分析、情绪原因识别、评价对象和评价词抽取、LineFlow：面向所有深度学习框架的NLP数据高效加载器、中文医学NLP公开资源整理 、MedQuAD：(英文)医学问答数据集、将自然语言数字串解析转换为整数和浮点数、Transfer Learning in Natural Language Processing (NLP) 、面向语音识别的中文/英文发音辞典、Tokenizers：注重性能与多功能性的最先进分词器、CLUENER 细粒度命名实体识别 Fine Grained Named Entity Recognition、 基于BERT的中文命名实体识别、中文谣言数据库、NLP数据集/基准任务大列表、nlp相关的一些论文及代码, 包括主题模型、词向量(Word Embedding)、命名实体识别(NER)、文本分类(Text Classificatin)、文本生成(Text Generation)、文本相似性(Text Similarity)计算等，涉及到各种与nlp相关的算法，基于keras和tensorflow 、Python文本挖掘/NLP实战示例、 Blackstone：面向非结构化法律文本的spaCy pipeline和NLP模型通过同义词替换实现文本“变脸” 、中文 预训练 ELECTREA 模型: 基于对抗学习 pretrain Chinese Model 、albert-chinese-ner - 用预训练语言模型ALBERT做中文NER 、基于GPT2的特定主题文本生成/文本增广、开源预训练语言模型合集、多语言句向量包、编码、标记和实现：一种可控高效的文本生成方法、 英文脏话大列表 、attnvis：GPT2、BERT等transformer语言模型注意力交互可视化、CoVoST：Facebook发布的多语种语音-文本翻译语料库，包括11种语言(法语、德语、荷兰语、俄语、西班牙语、意大利语、土耳其语、波斯语、瑞典语、蒙古语和中文)的语音、文字转录及英文译文、Jiagu自然语言处理工具 - 以BiLSTM等模型为基础，提供知识图谱关系抽取 中文分词 词性标注 命名实体识别 情感分析 新词发现 关键词 文本摘要 文本聚类等功能、用unet实现对文档表格的自动检测，表格重建、NLP事件提取文献资源列表 、 金融领域自然语言处理研究资源大列表、CLUEDatasetSearch - 中英文NLP数据集：搜索所有中文NLP数据集，附常用英文NLP数据集 、medical_NER - 中文医学知识图谱命名实体识别 、(哈佛)讲因果推理的免费书、知识图谱相关学习资料/数据集/工具资源大列表、Forte：灵活强大的自然语言处理pipeline工具集 、Python字符串相似性算法库、PyLaia：面向手写文档分析的深度学习工具包、TextFooler：针对文本分类/推理的对抗文本生成模块、Haystack：灵活、强大的可扩展问答(QA)框架、中文关键短语抽取工具

The fastest path to AI-powered full stack observability, even for lean teams.

C/C++ 实现的 LLM 推理引擎，可在 CPU/GPU/边缘设备上运行，支持 GGUF 量化模型。

GPT4All: Run Local LLMs on Any Device. Open-source and available for commercial use.

For developers, who are building real-time data-driven applications, Redis is the preferred, fastest, and most feature-rich cache, data structure server, and document and vector query engine.

统一高效微调100+大语言模型与视觉语言模型（ACL 2024）

Unsloth Studio是一个用于本地训练和运行Gemma 4、Qwen3.6、DeepSeek、gpt-oss等开源模型的Web界面。

scikit-learn：Python中的机器学习

Prometheus监控系统与时间序列数据库。

面向人类的深度学习

一站式 AI 桌面应用，内置 RAG 能力，可使用任意 LLM 与文档、YouTube 视频和网页对话。

即用型云模板，支持RAG、AI流水线及企业级实时数据搜索。🐳兼容Docker。⚡与Sharepoint、Google Drive、S3、Kafka、PostgreSQL、实时数据API等保持同步。

一个开源、可自托管的PaaS替代方案，类似Vercel、Heroku和Netlify，让您轻松在自有服务器上部署静态网站、数据库、全栈应用以及280多种一键式服务。

在到达LLM之前压缩工具输出、日志、文件和RAG块。减少60-95%的令牌，答案不变。支持库、代理、MCP服务器。

面向本地模型上私有AI应用的完整API层：RAG、技能、工具、MCP、文本到SQL等。兼容任何OpenAI兼容的推理服务器。

Appwrite®——为您的Web、移动和AI应用提供完整的云基础设施。包括认证、数据库、存储、函数、消息、托管、实时等功能

OpenAI Whisper模型的C/C++移植版

LLM 应用数据框架，构建 RAG Agent、数据连接器和索引查询引擎。

灵活强大的Python数据分析/操作库，提供类似R数据框的标签数据结构、统计函数等

ClickHouse®是一个实时分析数据库管理系统

LocalAI是开源AI引擎。在任何硬件上运行任何模型——LLM、视觉、语音、图像、视频。无需GPU。

Apache Airflow - 一个用于以编程方式编写、调度和监控工作流的平台

Qlib 是一个面向 AI 的量化投资平台，旨在利用 AI 技术赋能量化研究，从探索想法到实现生产。Qlib 支持多种机器学习建模范式，包括监督学习、市场动态建模和强化学习，并配备了 https://github.com/microsoft/RD-Agent 以自动化研发流程。

Milvus 是一个高性能、云原生的向量数据库，专为可扩展的向量近似最近邻搜索而构建

GitNexus：零服务器代码智能引擎——GitNexus 是一个完全在浏览器中运行的客户端知识图谱创建器。拖入一个 Git 仓库（Github、Gitlab、Azure、本地）或 ZIP 文件，即可获得一个交互式知识图谱，内置 Graph RAG 代理。非常适合代码探索。

Ray 是一个 AI 计算引擎。Ray 包含一个核心分布式运行时和一组用于加速机器学习工作负载的 AI 库。

DeepSpeed 是一个深度学习优化库，使分布式训练和推理变得简单、高效且有效。

使大型 AI 模型更便宜、更快、更易访问。

LLM 训练、部署和评估开放平台，包含 Vicuna 模型和分布式服务系统。

用于在应用中集成生成式AI的定制化RAG框架🧠专注于产品而非RAG。通过定制化轻松集成到现有产品中！支持任何LLM：GPT4、Groq、Llama。任何向量存储：PGVector、Faiss。任何文件。随心所欲。

Langchain-Chatchat（原Langchain-ChatGLM）基于 Langchain 与 ChatGLM、Qwen 与 Llama 等语言模型的 RAG 与 Agent 应用 | Langchain-Chatchat (formerly langchain-ChatGLM), local knowledge based LLM (like ChatGLM, Qwen and Llama) RAG and Agent app with langchain

[EMNLP2025] "LightRAG: 简单快速的检索增强生成"

CasaOS - 一个简单、易用、优雅的开源个人云系统。

🔥 1Panel 是一个现代、开源的 VPS 控制面板——也是唯一原生支持 AI 代理的面板。运行 Ollama 模型、部署 OpenClaw 代理，并通过一个简洁的 Web 界面管理整个服务器堆栈。

Vercel、Netlify 和 Heroku 的开源替代方案。

Caffe：一个快速的深度学习开源框架。

一个基于模块化图的检索增强生成（RAG）系统

🤗 Diffusers：基于PyTorch的图像、视频和音频生成的最先进扩散模型。

📑 PageIndex：用于无向量、基于推理的RAG的文档索引

一个易于使用的动态服务发现、配置和服务管理平台，用于构建AI云原生应用。

Qdrant - 面向下一代AI的高性能、大规模向量数据库和向量搜索引擎。也可在云端使用 https://cloud.qdrant.io/

一个基于 Docker 的 PaaS，帮助您构建和管理应用程序的生命周期。

用于指标、事件和实时分析的可扩展数据存储。

在 1 个或 10,000+ 个 GPU 上预训练、微调任意大小的 AI 模型，无需更改代码。

SGLang是一个用于大型语言模型和多模态模型的高性能服务框架。

通用机器人及具身AI学习的仿真平台。

数百个模型与提供商。一条命令即可找到适合你硬件的运行方案。

FastGPT 是一个基于 LLM 的知识平台，提供全面的开箱即用功能，如数据处理、RAG 检索和可视化 AI 工作流编排，让您无需大量设置或配置即可轻松开发和部署复杂的问答系统。

可扩展、可移植和分布式梯度提升（GBDT、GBRT 或 GBM）库，适用于 Python、R、Java、Scala、C++ 等。可在单机、Hadoop、Spark、Dask、Flink 和 DataFlow 上运行。

此仓库展示了检索增强生成（RAG）系统的各种高级技术。每种技术都有详细的笔记本教程。

fastai深度学习库

Label Studio是一个多类型数据标注和注释工具，具有标准化输出格式

Cognee 是面向智能体的开源 AI 记忆平台。通过自托管知识图谱引擎，为您的 AI 智能体提供跨会话的持久长期记忆

面向智能体、大语言模型和机器学习模型的开源 AI 工程平台。MLflow 使各种规模的团队能够调试、评估、监控和优化生产级 AI 应用，同时控制成本并管理对模型和数据的访问

面向AI就绪数据的PDF解析器。自动化PDF无障碍处理。开源。

模块化平台（包括MAX和Mojo）

面向AI代理的自我进化上下文数据库。统一代理记忆、知识RAG和技能。

开源AI编排框架，用于构建上下文工程化、生产就绪的LLM应用。设计模块化管道和代理工作流，对检索、路由、记忆和生成进行显式控制。专为可扩展代理、RAG、多模态应用、语义搜索和对话系统而构建。

一个基于RAG的开源工具，用于与您的文档进行聊天。

通过单个文件分发和运行大型语言模型。

LabelImg现已加入Label Studio社区。由Tzutalin创建的流行图像标注工具不再积极开发，但您可以查看Label Studio，这是一个用于图像、文本、超文本、音频、视频和时间序列数据的开源数据标注工具。

专为工业物联网（IIoT）场景设计的高性能、可扩展时序数据库

基于 ESP8266 和 ESP32 设备的替代固件，通过 WebUI 轻松配置、OTA 更新、使用定时器或规则自动化、可扩展性，以及通过 MQTT、HTTP、串口或 KNX 实现完全本地控制。完整文档见

使用 CTranslate2 实现更快的 Whisper 转录

并行分布式深度学习：工业实践的机器学习框架（『飞桨』核心框架，深度学习&机器学习高性能单机、分布式训练和跨平台部署）

用于 PyTorch 的图神经网络库

ncnn is a high-performance neural network inference framework optimized for the mobile platform

A time-series database for high-performance real-time analytics packaged as a Postgres extension

Universal LLM Deployment Engine with ML Compilation

使用单块4GB GPU进行AirLLM 70B推理

一个高性能的可观测性数据管道。

高性能、自托管的新闻通讯和邮件列表管理器，带有现代化仪表盘。单个二进制应用。

☁️ 使用云原生栈构建多模态AI应用

用于实时用例的高性能图数据库

🤗 最大的即用型AI模型数据集中心，配备快速、易用且高效的数据操作工具

用于ELT管道和AI智能体的开源数据移动——从API、数据库和文件到数据仓库、数据湖和AI应用。支持自托管和云部署。

🤗 PEFT：最先进的参数高效微调。

AKShare是一个优雅且简单的Python金融数据接口库，专为人类设计！开源财经数据接口库

机器学习互操作性的开放标准

ONNX Runtime：跨平台、高性能的机器学习推理和训练加速器

用于对具有线性或非线性增长的多季节性时间序列数据生成高质量预测的工具。

面向下一代AI+数据产品的开源代理AI数据助手。

一个WebGL加速的JavaScript库，用于训练和部署机器学习模型。

使用强化学习训练Transformer语言模型。

一个基于决策树算法的快速、分布式、高性能梯度提升（GBT、GBDT、GBRT、GBM或MART）框架，用于排序、分类和许多其他机器学习任务。

欢迎来到 Llama Cookbook！这是您使用 Llama 进行构建的指南：从推理、微调、RAG 开始入门。我们还展示了如何使用 Llama 模型家族解决端到端问题，并在各种提供商服务上使用它们。

高性能浏览器内 LLM 推理引擎

基于 Unreal Engine / Unity 构建的自动驾驶汽车开源模拟器，来自微软 AI 与研究部门。

开源 LLM 知识平台：将原始文档转化为可查询的 RAG、自主推理代理和自维护 Wiki。

面向代理、助手和企业搜索的私有 AI 平台。内置代理构建器、深度研究、文档分析、多模型支持以及代理的 API 连接。

计算机视觉专用的数据集、变换和模型

用于收集、处理、聚合和写入指标、日志及其他任意数据的代理。

微软认知工具包 (CNTK)，一个开源深度学习工具包

深度学习模型和数据集库，旨在使深度学习更易用并加速机器学习研究。

一个用于体验异构 LLM 推理/微调优化的灵活框架

VictoriaMetrics：快速、经济高效的监控解决方案和时间序列数据库

QuestDB 是一个高性能、开源、时序数据库

AISystem 主要是指 AI 系统，包括 AI 芯片、AI 编译器、AI 推理和训练框架等 AI 全栈底层技术

正在进行的大规模训练 transformer 模型的研究

基于 LangChain 和 LangGraph 构建的 AI PDF 聊天机器人代理

Weaviate 是一个开源向量数据库，存储对象和向量，允许将向量搜索与结构化过滤相结合，并具备云原生数据库的容错性和可扩展性。

面向人类的主题建模

面向 Web 的最先进机器学习。直接在浏览器中运行 🤗 Transformers，无需服务器！

用于数据资产开发、生产和观测的编排平台。

用于 Kubernetes 的机器学习工具包

AI 智能体的记忆层。用无服务器、单文件的记忆层取代复杂的 RAG 流水线。为智能体提供即时检索和长期记忆。

🦉 数据版本控制和机器学习实验

Apache Doris 是一个面向 AI 智能体的实时分析和混合搜索数据库。

Burn 是下一代张量库和深度学习框架，在灵活性、效率和可移植性上毫不妥协。

快速灵活的图像增强库。关于该库的论文：https://www.mdpi.com/2078-2489/11/2/125

轻松将文档转换为结构化数据。Unstructured 是开源的 ETL 解决方案，用于将复杂文档转换为干净、结构化的格式，供语言模型使用。访问我们的网站，了解更多关于我们企业级平台产品的信息，该产品适用于生产级工作流、分区、增强、分块和嵌入。

用于机器学习的张量库

使用小型专用模型构建企业级RAG管道的统一框架

使用PEFT或全参数对600多个LLM（Qwen3.6、DeepSeek-V4、GLM-5.1、InternLM3、Llama4等）和300多个MLLM（Qwen3-VL、Qwen3-Omni、InternVL3.5、Ovis2.5、GLM4.5v、Gemma4、Llava、Phi4等）进行CPT/SFT/DPO/GRPO（AAAI 2025）

用于机器学习实验的图像增强

用于TensorFlow、Keras、PyTorch和Apache MXNet的分布式训练框架

NLTK源码

用于LLM微调、RAG和评估的强大数据集创建工具

Bullet物理引擎SDK：用于VR、游戏、视觉效果、机器人、机器学习等的实时碰撞检测和多物理仿真

轻量级、闪电般快速的进程内向量数据库

数据和AI的开放上下文层，OpenMetadata是为人类、AI助手和代理构建可信数据上下文和业务语义的开放平台

用于在C++中构建真实世界机器学习和数据分析应用的工具包

Nano vLLM

一个非常简单的先进自然语言处理（NLP）框架

用于自动化机器学习生命周期的开源AutoML工具包，包括特征工程、神经架构搜索、模型压缩和超参数调优

用于自动驾驶研究的开源模拟器

TensorRT LLM为用户提供易于使用的Python API来定义大型语言模型（LLMs），并支持最先进的优化，以在NVIDIA GPU上高效执行推理。TensorRT LLM还包含用于创建Python和C++运行时的组件，以高性能方式编排推理执行。

Open3D：用于3D数据处理的现代库。

将HTML和CSS转换为SVG的开明库。

开放机器学习编译器框架。

自托管的有声书和播客服务器。

Nightingale 之于监控和告警，正如 Grafana 之于可视化。

Trino 的官方仓库，Trino 是用于大数据的分布式 SQL 查询引擎，前身为 PrestoSQL (https://trino.io)

FlashMLA: 高效多头潜在注意力内核

💡 用于语义搜索、LLM 编排和语言模型工作流的全能 AI 框架

[MLsys2026]: 使用 LEANN 实现万物 RAG。在个人设备上运行快速、准确且 100% 私密的 RAG 应用，同时节省 97% 的存储空间。

基于 TurboQuant 构建的向量索引，使用 Rust 编写并带有 Python 绑定

用于通用时间序列分析的高级深度时间序列模型库。

PredictionIO，面向开发者和机器学习工程师的机器学习服务器。

在云端将任何开源 LLM（如 DeepSeek 和 Llama）作为兼容 OpenAI 的 API 端点运行。

Go ahead and axolotl questions

PX4自动驾驶仪软件

用于基于神经网络文本生成的无监督文本分词器。

检索与检索增强型LLM

TensorZero是一个开源LLMOps平台，统一了LLM网关、可观测性、评估、优化和实验功能。

始终了解数据的预期。

Cleanlab 的开源库是标准的数据中心 AI 包，用于处理混乱的真实世界数据和标签的数据质量和机器学习。

BISHENG 是一个开放的 LLM DevOps 平台，用于下一代企业 AI 应用。强大且全面的功能包括：GenAI 工作流、RAG、智能体、统一模型管理、评估、SFT、数据集管理、企业级系统管理、可观测性等。

用于微调扩散模型的终极训练工具包

Turi Create 简化了自定义机器学习模型的开发。

用于 React 的生成式 UI SDK

可视化、查询和流式传输多模态机器人数据以进行训练。

点云库 (PCL)

示例 📓 Jupyter 笔记本，演示如何使用 🧠 Amazon SageMaker 构建、训练和部署机器学习模型。

Kedro 是一个面向生产级数据科学的工具箱。它利用软件工程最佳实践，帮助您创建可重现、可维护且模块化的数据工程和数据科学管道。

精炼高质量数据集和视觉 AI 模型

Dopamine 是一个用于快速原型设计强化学习算法的研究框架。

用于 Node 的通用自然语言处理工具

💥 为研究和生产优化的快速最先进分词器

大型语言模型文本生成推理

一个优雅的 PyTorch 深度强化学习库。

面向开发者的多模态 AI 开源嵌入式检索库。搜索更多；管理更少。

Mistral 模型的官方推理库

面向机器学习从业者的开源标注工具。

OpenAI Whisper 自动语音识别模型的高性能 GPGPU 推理

三行代码实现快速准确的机器学习

同步语音转文本模型

OpenVINO™ 是一个用于优化和部署 AI 推理的开源工具包

🌌 一个完整的搜索引擎和 RAG 管道，可在您的浏览器、服务器或边缘网络中使用，支持全文搜索、向量搜索和混合搜索，体积小于 2kb。

openFrameworks 是一个社区开发的跨平台工具包，用于C++创意编程。

Modin：通过更改一行代码来扩展你的Pandas工作流程

用于本地运行AI的生产就绪工具包

在任何AI基础设施上运行、管理和扩展AI工作负载。使用一个系统访问和管理所有AI计算（Kubernetes、Slurm、20多个云、本地）。

🌸 在家以BitTorrent风格运行LLM。微调和推理速度比卸载快10倍

Ollama Python库

用于事务、分析和AI工作负载的最快速分布式数据库。

PyMuPDF是一个高性能的Python库，用于PDF（及其他）文档的数据提取、分析、转换和操作。

构建、管理和部署AI/ML系统

一个Python自动化机器学习工具，使用遗传编程优化机器学习管道。

一个高性能分布式文件系统，旨在解决AI训练和推理工作负载的挑战。

基于TensorFlow的神经网络库

一个用于表格、时间序列、图、文本、图像和音频数据异常检测的Python库。包含60多个检测器、基准支持的ADEngine编排以及面向AI代理的代理工作流。

大规模中文自然语言处理语料

DeepEP：一个高效的专家并行通信库

面向Python的开源低代码AutoML平台。PyCaret 4.0：sklearn原生引擎 + React控制面板。

一个基于Ray的易用、可扩展、高性能的代理强化学习框架（PPO & DAPO & REINFORCE++ & VLM & TIS & vLLM & Ray & 异步RL）

AI驱动的开源推荐系统引擎，支持经典/大模型排序器以及通过嵌入实现的多模态内容

cuDF - GPU数据框库

借助Segment Anything等优秀模型的AI支持，实现轻松的数据标注。

快速解决生产问题。一个开源的观测平台，由ClickHouse和OpenTelemetry驱动，统一了会话回放、日志、指标、追踪和错误。

用于本地部署的高速大语言模型服务

为TensorFlow提供更高级API的深度学习库。