distributed
本站收录 22 个带「distributed」标签的 AI 开源项目
LocalAI开源的本地 AI 推理引擎，无需 GPU 即可在任何硬件上运行 LLM、视觉、语音、图像与视频等多种模型，兼容 OpenAI API 接口，是构建私有化 AI ★ 49,323
milvusMilvus 是一款高性能、云原生的向量数据库，专为可扩展的向量近似最近邻（ANN）搜索而设计。它解决了海量非结构化数据（如图像、文本、音视频）的向量化存储与检★ 46,282
rayRay 是一个面向 AI 计算的分布式引擎，由核心分布式运行时和一组 AI 库组成，用于加速机器学习工作负载。它解决了大规模分布式训练、调参、推理和服务部署中的★ 43,949
serverNextcloud server 是一个开源的私有云存储与协作平台，旨在为用户提供安全、可控的数据存储和共享服务。它解决了企业及个人对数据主权和隐私保护的需求，★ 36,957
surrealdbSurrealDB 是一个用 Rust 编写的可扩展、分布式、协作式的文档-图数据库，专为实时 Web 应用设计。它解决了传统数据库在实时应用中的痛点，如数据同★ 33,083
nni微软开源的 AutoML 工具包，覆盖机器学习生命周期的自动化，包括特征工程、神经网络架构搜索、模型压缩与超参调优等环节。借助丰富的搜索算法与可视化面板，帮助团★ 14,364
hatchetHatchet 是一个用 Go 编写的分布式任务编排引擎，面向后台任务、AI Agent 和持久化工作流场景。它要解决的问题是：传统队列（如 Celery、Bu★ 8,024
higgsfieldhiggsfield 是一个面向超大规模模型训练的容错型 GPU 编排与机器学习框架，专为数十亿至数万亿参数模型设计。它解决的核心问题是：在大规模分布式训练中，★ 5,812
mesh-llmmesh-llm 是一个基于 Rust 构建的去中心化 AI/LLM 推理网络，旨在让普通用户能够共享或使用闲置的 GPU 算力，以运行自己的 AI 代理和聊天★ 3,467
lingvoLingvo 是 Google 开源的深度学习框架，专注于序列建模任务，尤其擅长语音识别、机器翻译和语言模型。它基于 TensorFlow 构建，提供了一套模块★ 2,864
trainertrainer 是一个基于 Kubernetes 的分布式 AI 模型训练与 LLM 微调平台，由开源社区维护。它解决了在 Kubernetes 上运行大规模训★ 2,234
modal-examplesmodal-examples 是 Modal 官方维护的示例库，集中展示了如何在 Modal 无服务器云平台上构建和运行各类 AI 与机器学习程序。它解决了开发★ 1,272
quokkaquokka 是一个面向数据湖的时序数据管理框架，旨在让数据湖原生支持时间序列工作负载。它解决了传统数据湖（如 Iceberg、Hudi）在时序数据场景下写入吞★ 1,192
AgileRLAgileRL 是一个专注于强化学习（RL）的 Python 库，旨在通过 RLOps（强化学习运维）理念简化 RL 算法的开发、训练和部署流程。它解决了 RL★ 952
bacalhauBacalhau 是一个社区驱动的分布式计算框架，专注于在数据所在位置执行计算，实现快速、低成本的‘数据计算’（Compute over Data）。它解决了传★ 873
stable-pretrainingstable-pretraining 是一个用于预训练基础模型和世界模型的 Python 库，主打可靠、极简和可扩展。它主要解决深度学习研究中预训练流程复杂、复★ 320
guardian-dbGuardianDB 是一个基于 Rust 和 Iroh 构建的高性能、本地优先的去中心化数据库。它旨在解决传统中心化数据库在数据主权、隐私和离线可用性方面的不★ 210
nodedbnodedb 是一个专为 AI 智能体设计的记忆与存储引擎，采用 Rust 编写，支持多模型数据（如键值、图、列式等），兼容 PostgreSQL 协议，可实现★ 201
get-startedget-started 是一个面向 Ollama 的云原生部署堆栈，旨在将本地运行的 Ollama 模型服务扩展到云端。它解决的核心问题是：如何让基于 Olla★ 180
sdksdk 是一个通用 Python SDK，旨在简化在 Kubernetes 上运行 AI 工作负载的流程。它解决了 AI 工程师和平台团队在 Kubernete★ 149
distributed-inference这是一个用 Go 语言编写的演示项目，旨在展示如何在深度学习/机器学习领域设计跨语言、分布式的推理管道。它利用 WebRTC 和 Redis Streams 作★ 86
lzylzy 是一个面向机器学习工作流的混合执行平台，核心目标是让用户无需关心代码在本地还是远程运行，透明地整合本地与远程运行时。它通过统一的执行抽象，将工作流中的任★ 73