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 is a deep learning model converter and migrator designed to translate neural network architectures and weights between different frameworks such as TensorFlow, PyTorch, and Keras. It utilizes a standardized intermediate representation to decouple network structures and weights from specific framework implementations, enabling the transformation of pre-trained models across different environments. The project distinguishes itself by generating native Python reconstruction code from its intermediate representations, allowing models to be rebuilt and fine-tuned in target environments. It a

VisualDL एक डीप लर्निंग विज़ुअलाइज़ेशन टूलकिट और एक्सपेरिमेंट ट्रैकिंग डैशबोर्ड है। यह प्रशिक्षण मेट्रिक्स की निगरानी, उच्च-आयामी डेटा का विश्लेषण और स्टैटिक व डायनेमिक ग्राफ के माध्यम से मॉडल आर्किटेक्चर को रेंडर करने के लिए एक वेब-आधारित इंटरफेस प्रदान करता है। यह टूलकिट निष्पादन बाधाओं (bottlenecks) की पहचान करने और संसाधन उपयोग को अनुकूलित करने के लिए एक प्रदर्शन प्रोफाइलर के रूप में कार्य करता है। यह एक डेटा एनालाइज़र के रूप में भी कार्य करता है जो जटिल डेटासेट में बिंदुओं के बीच संबंधों की पहचान करने के लिए प्रोजेक्शन एल्गोरिदम का उपयोग करता है। क्षमताओं में स्कैलर्स और हिस्टोग्राम के माध्यम से प्रशिक्षण मेट्रिक्स को ट्रैक करना, मल्टी-डायरेक्टरी लॉग एग्रीगेशन के माध्यम से कई प्रयोगों की तुलना करना और प्रिसिजन-रिकॉल व ROC कर्व्स के साथ वर्गीकरण प्रदर्शन का मूल्यांकन करना शामिल है। यह सिस्टम इमेज, टेक्स्ट और ऑडियो सहित मल्टीमीडिया आउटपुट के विज़ुअलाइज़ेशन का भी समर्थन करता है। उपयोगकर्ता लॉग ब्राउज़ करने और वेब ब्राउज़र के माध्यम से मॉडल ग्राफ का पता लगाने के लिए एक विज़ुअलाइज़ेशन सर्वर लॉन्च कर सकते हैं।