hyperparameter-optimization
本站收录 14 个带「hyperparameter-optimization」标签的 AI 开源项目
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
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
wandb面向 AI 开发者的实验追踪与模型管理平台，支持训练过程的实时监控、指标可视化与团队协作，并能对模型从实验到生产的全生命周期进行管理。无论是调参对比、结果复现还★ 11,266
autogluonAutoGluon 是一个自动化机器学习（AutoML）库，旨在用三行代码实现快速且准确的模型训练。它解决了传统机器学习中模型选择、超参数调优和特征工程耗时费力★ 10,754
polyaxonPolyaxon 是一个开源的 AI 基础设施平台，定位为 AI 编排与控制平面。它解决的是机器学习生命周期中实验管理、模型训练、超参数调优、模型部署等环节缺乏★ 3,737
determinedDetermined 是一个开源机器学习平台，旨在简化分布式训练、超参数调优、实验追踪和资源管理。它支持 PyTorch 和 TensorFlow，提供统一的 ★ 3,241
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
Sklearn-genetic-optsklearn-genetic-opt 是一个面向 scikit-learn 的超参数优化与特征选择工具，采用进化算法（如遗传算法）自动搜索最佳模型配置。它解决★ 390
syftrsyftr 是一个面向 AI 代理（agent）工作流的优化器，旨在帮助开发者在预算约束下找到性价比最高的代理配置。它通过系统化评估不同代理工作流的性能与成本，★ 344
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★ 151
CoMLCoML 是一个面向数据科学家和机器学习开发者的交互式编码助手，由大语言模型驱动。它旨在解决数据科学工作流中繁琐的编码和调试问题，通过自然语言交互，帮助用户更高★ 100
sdksdk 是一个面向生产环境机器学习（ML）的元数据存储基础设施。它旨在解决 ML 模型开发与部署过程中元数据管理混乱、难以追踪的问题，为模型、数据集、训练运行等★ 87
TimeSeriesGANTimeSeriesGAN 是一个基于生成对抗网络（GAN）的时间序列分析工具，专注于合成数据生成、异常检测和插值。它利用 GAN 的生成能力来模拟真实时间序列★ 70
hypertunehypertune 是一个用于超参数优化的 Python 库，旨在简化机器学习模型的调参流程。它解决了手动网格搜索或随机搜索效率低、难以找到最优参数组合的问题。★ 63