2 repositorios
Awesome GitHub RepositoriesModel Deployment Workflows
Processes and strategies for packaging and hosting trained neural networks in production environments.
Distinct from Deep Learning Model Converters: The candidates provided were either too generic (awesome lists) or too specific (converters), whereas this describes the overarching deployment capability.
Explore 2 awesome GitHub repositories matching devops & infrastructure · Model Deployment Workflows. Refine with filters or upvote what's useful.
Awesome Model Deployment Workflows GitHub Repositories
Encuentra los mejores repositorios con IA.Buscaremos los repositorios que mejor coincidan usando IA.
- udacity/deep-learning-v2-pytorch
udacity/deep-learning-v2-pytorch
5,505Ver en GitHubEste proyecto es una colección de material didáctico de deep learning con PyTorch, que consiste en proyectos prácticos y ejercicios de programación. Se centra en la implementación de arquitecturas de redes neuronales y el entrenamiento de modelos para resolver problemas complejos de datos. El repositorio incluye una suite de proyectos de visión artificial para construir clasificadores de imágenes, autoencoders y aplicaciones de transferencia de estilo. Cuenta con un laboratorio de redes generativas antagónicas (GAN) para crear imágenes sintéticas e implementaciones específicas para transfer learning, adaptando pesos preentrenados a nuevas tareas. El código base cubre el análisis de datos secuenciales para procesamiento de lenguaje natural utilizando redes neuronales recurrentes y word embeddings. Las capacidades adicionales incluyen el preprocesamiento de datos de imagen, la evaluación del rendimiento del modelo y el despliegue de modelos entrenados en infraestructura cloud. Los materiales se presentan como una serie de Jupyter Notebooks.
Provides guidance on packaging and hosting trained neural networks on cloud infrastructure for production use.
Jupyter Notebookconvolutional-networksdeep-learningneural-network - higgsfield-ai/higgsfield
higgsfield-ai/higgsfield
3,866Ver en GitHubHiggsfield is a distributed machine learning training framework and GPU cluster orchestrator designed for scaling neural networks with billions of parameters. It functions as a large model sharding system and a containerized deployment tool to manage computational workflows across heterogeneous compute resources. The platform provides a centralized interface for experiment management, enabling the monitoring of real-time telemetry, performance metrics, and logs. It ensures reproducible results by using container isolation to standardize dependencies across different computing environments. T
Provides automated workflows for pushing code to compute nodes and managing training runs and checkpoints.
Jupyter Notebookcluster-managementdeep-learningdistributed
