黑洞资源笔记
-
-
- Model Explorer：现代化的模型图可视化和调试工具 | #工具
提供了模型图的直观和分层可视化。它将模型操作组织到嵌套层中，使用户能够动态展开或折叠这些层。还提供了一系列功能来促进模型探索和调试，包括突出显示输入和输出操作、在节点上覆盖元数据、在交互式弹出窗口中显示图层、执行搜索、显示相同图层、GPU 加速图形渲染的能力，除其他外。
目前支持 TFLite、TF、TFJS、MLIR 和 PyTorch（导出程序）模型格式，并提供扩展框架供开发人员轻松添加对其他格式的支持。 -
- MuLan：旨在通过Adapter技术，使多语言扩散模型支持超过110种语言，而无需额外训练
- 高质量的合成文本数据集资源列表 | Awesome Synthetic (text) datasets
- node-mlx：为 Node.js 设计的机器学习框架，基于 MLX，支持 GPU 加速
-
- coq-of-rust：将 Rust 程序翻译到 Coq 证明系统中，以实现形式化验证，确保程序无漏洞的开源项目
- EVōC：快速灵活的高维嵌入向量聚类库，专为处理大规模数据集设计
-
- catgrad：使用范畴论和静态编译技术优化深度学习训练过程的编译器
- Bend：面向大规模并行硬件如 GPU 的高级编程语言，具有类似 Python 和 Haskell 的表达力，支持高阶函数、闭包、递归和续体，且无需显式并行注解
- A URDF Dataset：专门收集和分享各种来源的URDF(统一机器人描述格式)数据集
- Awesome Public Real-Time Datasets and Sources：公开实时数据集列表，提供多种免费和付费的实时数据源
-
- DingoDB：开源的分布式多模态向量数据库，支持在线强一致性、关系语义和向量语义，具有优秀的水平可扩展性和高可用性
