生态系统
工具

用于教育目的的极简神经机器翻译工具包。

Renate 是一个库，提供随着新数据可用而重新训练 PyTorch 模型的工具。

使用 TensorRT 的 NVIDIA GPU 的 PyTorch/TorchScript 编译器。

fastai 是一个库，它使用现代最佳实践简化了快速准确的神经网络训练。

PyTorch 的运行时故障注入工具。

ParlAI 是一个统一的平台，用于在许多任务中共享、训练和评估对话模型。

使用差分隐私训练 PyTorch 模型。

depyf 是一种帮助用户理解和适应 PyTorch 编译器 torch.compile 的工具。

用于不同 CV 任务（如分类、分割、目标检测和姿态估计）的快速且可扩展的图像增强库。

PyKale 是一个 PyTorch 库，用于多模态学习和迁移学习，包括使用深度学习和降维处理图形、图像、文本和视频。

AllenNLP 是一个基于 PyTorch 的开源研究库，用于设计和评估用于 NLP 的深度学习模型。

来自 Facebook AI Research (FAIR) 的用于视觉和语言多模态研究的模块化框架。

TorchIO 是一套工具，用于在 PyTorch 编写的深度学习应用中有效读取、预处理、采样、增强和写入 3D 医学图像。

Catalyst 帮助您用几行代码编写简洁但功能齐全的深度学习和强化学习管道。

MONAI 提供了用于开发医疗影像训练工作流程的领域优化基础功能。

统一的机器学习框架。

一个基于 PyTorch 的知识蒸馏工具包，用于自然语言处理。

PyPose 是一个面向机器人的基于 PyTorch 的库，它结合了基于感知的深度模型和基于物理的优化技术，使用户能够专注于其新颖的应用。

Horovod 是一个用于深度学习框架的分布式训练库。Horovod 的目标是使分布式 DL 快速且易于使用。

TorchQuantum 是一个基于 PyTorch 的量子经典模拟框架。它支持在 CPU 和 GPU 等不同硬件平台上的状态向量、密度矩阵模拟和脉冲模拟。

TorchOpt 是一个基于 PyTorch 的库，用于高效的可微优化。

Pyro 是一个用 Python 编写的通用概率编程语言 (PPL)，由 PyTorch 在后端支持。

一个用于优雅配置复杂应用程序的框架。

PyTorch Geometric Temporal 是 PyTorch Geometric 的一个时间（动态）扩展库。

PennyLane 是一个用于量子机器学习、自动微分和混合量子经典计算优化的库。

一个用于最先进的自监督学习的库。

一个开源超参数优化框架，用于自动执行超参数搜索。

Flair 是一个用于最先进的自然语言处理 (NLP) 的非常简单的框架。

TorchDrift 是 PyTorch 的一个数据和概念漂移库。它允许您监控 PyTorch 模型以查看它们是否在规格范围内运行。

Ray 是一个用于构建和运行分布式应用程序的快速且简单的框架。

PyTorch 中深度学习的管道抽象。

灵活且强大的张量操作，用于可读且可靠的代码。

TensorLy 是一个用于 Python 中张量方法和深度张量化神经网络的高级 API，旨在简化张量学习。

Hummingbird 将训练好的 ML 模型编译成张量计算，以实现更快的推理。

baal（贝叶斯主动学习）旨在使用从神经网络中贝叶斯后验近似推导出的不确定性度量来实现主动学习。

NeMo：一个用于对话式 AI 的工具包。

Poutyne 是一个用于 PyTorch 的 Keras 式框架，它处理训练神经网络所需的大量样板代码。

用于加速神经网络训练的算法库。

skorch 是一个用于 PyTorch 的高级库，提供与 scikit-learn 的完全兼容性。

Determined 是一个平台，可帮助深度学习团队更快地训练模型、轻松共享 GPU 资源并有效地协作。

PyTorch3D 为使用 PyTorch 进行 3D 计算机视觉研究提供了高效且可重用的组件。

pystiche 是一个基于 PyTorch 构建的神经风格迁移 (NST) 框架。

Forte 是一个用于构建 NLP 管道的工具包，具有可组合的组件、便捷的数据接口和跨任务交互。

Ignite 是一个用于在 PyTorch 中训练神经网络的高级库。它有助于编写简洁但功能齐全的训练循环。

对抗鲁棒性研究的工具箱。它包含用于生成对抗示例和防御攻击的模块。

torchdistill 是一个基于 PyTorch 构建的无代码框架，用于可重复的深度学习和知识蒸馏研究。

USB 是一个基于 Pytorch 的 Python 包，用于半监督学习 (SSL)。它易于使用/扩展、对小型团队价格合理且全面，可用于开发和评估 SSL 算法。

FairScale 是一个 PyTorch 扩展库，用于在一台或多台机器/节点上进行高性能和大规模训练。

Polyaxon 是一个用于构建、训练和监控大规模深度学习应用程序的平台。

GPyTorch 是一个使用 PyTorch 实现的高斯过程库，旨在创建可扩展、灵活的高斯过程模型。

一个使用 PyTorch 进行分割、回归和分类的通用应用程序框架。

一个用于点云深度学习的 PyTorch 框架。

Colossal-AI 是一个用于大模型时代的统一深度学习系统。

一个用于部分观测时间序列 (POTS) 数据挖掘的 Python 工具箱，帮助工程师更多地关注核心问题，而不是数据中的缺失部分。

PopTorch 接口库是一个简单的包装器，用于直接在 Graphcore IPU 上运行 PyTorch 程序。

PySyft 是一个用于加密、隐私保护深度学习的 Python 库。

CrypTen 是一个用于隐私保护机器学习的框架。其目标是使安全计算技术可供机器学习从业者使用。

Substra 是一个联合学习 Python 库，用于在真实分布式数据上大规模运行联合学习实验。

octoml-profile 是一个 python 库和云服务，旨在为评估和优化 PyTorch 模型的性能提供简单的体验。

BoTorch 是一个用于贝叶斯优化的库。它为组合贝叶斯优化基元提供了一个模块化、可扩展的接口。

一个功能强大且灵活的机器学习平台，用于药物发现。

AdaptDL 是一个资源自适应的深度学习训练和调度框架。

PyTorch 自然语言处理 (NLP) 的基本实用程序。

PyTorch Lightning 是 PyTorch 的一个 Keras 式 ML 库。它将核心训练和验证逻辑留给您，并自动执行其余操作。

Diffusers 提供跨多种模态（如视觉和音频）的预训练扩散模型，并充当用于扩散模型推理和训练的模块化工具箱。

Kornia 是一个可微分的计算机视觉库，包含一组用于解决通用 CV 问题的例程和可微模块。

higher 是一个库，它使用接近原生 PyTorch 的方式，简化了任意复杂基于梯度的元学习算法和嵌套优化循环的实现。

🚀 使用多 GPU、TPU 和混合精度训练和使用 PyTorch 模型的简单方法

PyTorch Geometric 是一个用于在不规则输入数据（如图形、点云和流形）上进行深度学习的库。

RoMa 是一个独立的库，用于使用 PyTorch 处理旋转表示（旋转矩阵、四元数、旋转向量等）。它旨在实现鲁棒性、易用性和效率。

一个用于视频理解研究的深度学习库。包含各种以视频为中心的模型、数据集、训练管道等。

ClearML 是一个完整的系统级 ML/DL 实验管理器、版本控制和 ML-Ops 解决方案。

英特尔® Neural Compressor 提供统一的 API，用于网络压缩技术，以实现更快的推理。

ONNX Runtime 是一个跨平台的推理和训练加速器。

PyTorch 最先进的自然语言处理库。

PFRL 是一个深度强化学习库，使用 PyTorch 以 Python 实现各种最先进的深度强化学习算法。

DeepSpeed 是一个深度学习优化库，使分布式训练变得简单、高效和有效。

TIAToolbox 提供了一个易于使用的 API，研究人员可以使用、调整和创建 CPath 模型。

pomegranate 是一个概率模型库，以模块化的方式构建，并将所有模型视为其概率分布。

一个 Python 包，用于提高 PyTorch 在英特尔平台上的性能。

SimulAI 本质上是一个包含物理信息机器学习管道的工具包。

Avalanche：一个用于持续学习的端到端库。

一个用于卫星和航空影像深度学习的开源框架。

Captum（拉丁语中意为“理解”）是一个基于 PyTorch 构建的开源、可扩展的模型可解释性库。

Lightly 是一个用于自监督学习的计算机视觉框架。

一个轻量级的声明式 PyTorch 包装器，用于在设备、分布式模式、混合精度和 PyTorch 扩展之间切换上下文。

FuseMedML 是一个 Python 框架，通过鼓励代码重用加速医学领域基于 ML 的发现。

阿尔茨海默病可重复分类框架。

一个完整且开源的解决方案，用于将领域特定知识注入预训练的 LLM。

数据中心声明式深度学习框架。

用于地理空间数据的数据集、转换和模型。

在您的应用程序中使用深度度量学习的最简单方法。模块化、灵活且可扩展。

一个统一的 PyTorch 集成框架，用于提高深度学习模型的性能和鲁棒性。

Detectron2 是 FAIR 的下一代目标检测和分割平台。

深度图库 (DGL) 是一个 Python 包，构建在 PyTorch 和其他框架之上，用于轻松实现图神经网络模型系列。

基于 PyTorch 构建的自动驾驶的 ML 预测、规划和仿真。

Stable Baselines3 (SB3) 是一个使用 PyTorch 实现可靠的强化学习算法的集合。

Flower - 一个友好的联邦学习框架。

OpenMMLab 涵盖了广泛的计算机视觉研究主题，包括分类、检测、分割和超分辨率。

用于分布式、可扩展 PyTorch 应用程序的机器学习指标。