hyperparameter-tuning
本站收录 12 个带「hyperparameter-tuning」标签的 AI 开源项目
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
skypilot面向前沿 AI 团队的计算平台，将分散在不同云厂商的 GPU 算力整合成一台“AI 超级计算机”。它支持在多云环境下统一调度资源、自动选型最优实例并显著节省成本★ 10,665
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
katibKatib 是一个基于 Kubernetes 的自动化机器学习（AutoML）平台，旨在解决在云原生环境中进行超参数调优、神经网络架构搜索（NAS）和早停（Ea★ 1,704
auto-deep-researcher-24x7这是一个自主运行深度学习实验的AI智能体，能在你睡觉时24/7不间断地执行实验任务。它解决的是研究人员需要长时间盯守实验、手动调参和监控的痛点。核心能力包括：基★ 1,293
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
onepanelOnePanel 是一个开源的端到端计算机视觉平台，旨在统一标签标注、模型构建、训练、调优、部署和自动化流程。它解决了计算机视觉项目从数据标注到模型上线的全生命★ 733
Scaling-Diffusion-Transformers-muPScaling-Diffusion-Transformers-muP 是 NeurIPS 2025 论文的官方实现，旨在解决扩散 Transformer（DiT★ 101
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