Awesome GitHub RepositoriesModel Migrators

Paddle is a deep learning framework designed for building, training, and deploying neural networks. It provides a platform for constructing models using tensor-based computations and supports both dynamic and static execution graphs to facilitate research and production workflows. The platform functions as a distributed machine learning system, enabling the scaling of training workloads across multiple nodes and hardware clusters. It includes a comprehensive toolkit for model deployment and optimization, allowing users to convert external model formats, compress trained models for resource-co

Ivy is a machine learning framework transpiler and model converter designed to ensure deep learning portability. It serves as a tool for migrating source code and models between different deep learning frameworks while maintaining original functionality. The system enables cross-framework model portability by translating model weights, architectures, and source code. It uses abstract syntax tree based transpilation and computational graph tracing to capture execution flows and rewrite high-level logic into target framework code. The project covers model interoperability through weight-layout

MMdnn es un conversor y migrador de modelos de deep learning diseñado para traducir arquitecturas y pesos de redes neuronales entre diferentes frameworks como TensorFlow, PyTorch y Keras. Utiliza una representación intermedia estandarizada para desacoplar las estructuras de red y los pesos de las implementaciones específicas de cada framework, permitiendo la transformación de modelos preentrenados entre distintos entornos. El proyecto destaca por generar código de reconstrucción nativo en Python a partir de sus representaciones intermedias, lo que permite reconstruir y ajustar modelos en los entornos de destino. También incluye herramientas especializadas para el despliegue de modelos en dispositivos móviles, transformando modelos de deep learning a formatos compatibles como CoreML y TensorFlow Lite. El sistema ofrece un conjunto más amplio de capacidades, incluyendo la visualización de arquitecturas de redes neuronales para inspeccionar estructuras de grafos y metadatos, así como la ejecución de inferencia para validar que los modelos convertidos mantengan su comportamiento y precisión originales. Otras utilidades gestionan la recuperación de pesos preentrenados desde repositorios remotos y el ensamblaje de checkpoints de modelos desplegables.

VisualDL es un kit de herramientas de visualización de deep learning y un panel de seguimiento de experimentos. Proporciona una interfaz basada en web para monitorear métricas de entrenamiento, analizar datos de alta dimensión y renderizar arquitecturas de modelos mediante gráficos estáticos y dinámicos. El kit de herramientas sirve como un perfilador de rendimiento para identificar cuellos de botella en la ejecución y optimizar el uso de recursos. También funciona como un analizador de datos que utiliza algoritmos de proyección para identificar relaciones entre puntos en conjuntos de datos complejos. Las capacidades incluyen el seguimiento de métricas de entrenamiento mediante escalares e histogramas, la comparación de múltiples experimentos mediante la agregación de registros de múltiples directorios y la evaluación del rendimiento de clasificación con curvas de precisión-recall y ROC. El sistema también admite la visualización de salidas multimedia, incluyendo imágenes, texto y audio. Los usuarios pueden iniciar un servidor de visualización para navegar por los registros y explorar los grafos de los modelos a través de un navegador web.