深度学习框架
深度学习训练与推理核心框架,如 PyTorch、TensorFlow、JAX 等。
共 213 个项目
排名逻辑见 方法论 ;同类排名基于 GitHub 公开指标。
| 排名 | 项目 | Stars | Forks | 更新 | 许可证 |
|---|---|---|---|---|---|
| 21 |
Megatron-LM
正在进行的大规模Transformer模型训练研究 |
17.7K | 4.4K | 08/29/26 | Other |
| 22 |
tvm
开源机器学习编译器框架 |
13.7K | 4.0K | 08/29/26 | Apache-2.0 |
| 23 |
ggml
机器学习张量库 |
15.3K | 1.8K | 08/25/26 | MIT |
| 24 |
burn
Burn 是一个下一代张量库和深度学习框架,不牺牲灵活性、效率和可移植性。 |
15.8K | 1.0K | 08/29/26 | Apache-2.0 |
| 25 |
transformers.js
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! |
16.3K | 1.2K | 08/29/26 | Apache-2.0 |
| 26 |
ms-swift
使用PEFT或全参数对600+个LLM(Qwen3.6、DeepSeek-V4、GLM-5.1、InternLM3、Llama4等)和300+个MLLM(Qwen3-VL、Qwen3-Omni、InternVL3.5、Ovis2.5、GLM4.5v、Gemma4、Llava、Phi4等)进行CPT/SFT/DPO/GRPO(AAAI 2025)。 |
15.4K | 1.6K | 08/29/26 | Apache-2.0 |
| 27 |
deeplearning4j
基于JVM的深度学习工具包,支持导入Keras、TensorFlow、ONNX/PyTorch模型,并提供ND4J线性代数和SameDiff自动微分功能。 |
14.2K | 3.8K | 08/28/26 | Apache-2.0 |
| 28 |
stable-baselines3
Stable Baselines 的 PyTorch 版本,强化学习算法的可靠实现。 |
13.7K | 2.2K | 08/17/26 | MIT |
| 29 |
litgpt
20多个高性能LLM,提供预训练、微调和规模化部署的配方。 |
13.6K | 1.5K | 08/17/26 | Apache-2.0 |
| 30 |
axolotl
尽管问问题吧 |
12.4K | 1.4K | 08/29/26 | Apache-2.0 |
| 31 |
ludwig
低代码框架,用于构建自定义LLM、神经网络和其他AI模型 |
11.7K | 1.2K | 08/24/26 | Apache-2.0 |
| 32 |
segmentation_models.pytorch
语义分割模型,包含500多个预训练的卷积和基于Transformer的主干网络。 |
11.7K | 1.8K | 08/24/26 | MIT |
| 33 |
cutlass
用于高性能线性代数的 CUDA 模板和 Python DSL |
10.3K | 2.1K | 08/28/26 | Other |
| 34 |
Time-Series-Library
一个用于通用时间序列分析的高级深度时间序列模型的库。 |
12.8K | 2.0K | 04/18/26 | MIT |
| 35 |
machinelearning
ML.NET是一个开源的、跨平台的.NET机器学习框架。 |
9.4K | 1.9K | 08/28/26 | MIT |
| 36 |
OpenRLHF
一个基于 Ray 的易用、可扩展、高性能智能体 RL 框架(PPO 和 DAPO 和 REINFORCE++ 和 VLM 和 TIS 和 vLLM 和 Ray 和异步 RL) |
10.0K | 1.0K | 08/13/26 | Apache-2.0 |
| 37 |
vowpal_wabbit
Vowpal Wabbit 是一个机器学习系统,通过在线学习、哈希、allreduce、归约、learning2search、主动学习和交互式学习等技术推动机器学习的前沿。 |
8.7K | 1.9K | 08/26/26 | Other |
| 38 |
LAVIS
LAVIS - 语言视觉智能的一站式库 |
11.3K | 1.1K | 06/02/26 | BSD-3-Clause |
| 39 |
MONAI
医学影像AI工具包 |
8.6K | 1.6K | 08/29/26 | Apache-2.0 |
| 40 |
einops
灵活且强大的张量操作,使代码更可读、更可靠(适用于pytorch、jax、TF等) |
9.6K | 398 | 08/26/26 | MIT |