diffrax：基於 JAX 的自動微分與 GPU 支援數值微分方程求解器庫
一個基於 JAX 的數值微分方程求解器庫，具備自動微分與 GPU 支援，支援 ODE、SDE 與 CDE。
SimpleHTR：一個將單字與文本行圖像轉換為數位文字的手寫文字辨識系統
一個基於 TensorFlow 的手寫文字辨識系統，利用 CNN 與 LSTM 層將單字或文本行的圖像轉換為數位文字。
xlstm: 一種擴展 LSTM 以在語言建模中與 Transformers 競爭的遞歸神經網絡架構
一種新的遞歸神經網絡架構，擴展了 LSTM 以與 Transformers 和 State Space Models 競爭，其特點是具有一個用於高效推理的 7B 參數語言模型。
GeneticAlgorithmPython: 一個用於優化機器學習模型與複雜函數的直觀遺傳演算法函式庫
一個用於建立遺傳演算法以優化數學函數與機器學習模型的 Python 函式庫，並原生支援 Keras 與 PyTorch。
raster-vision: 一個用於在衛星與航空影像上建立 ML 模型之地理空間電腦視覺框架
一個使用 PyTorch 在衛星、航空與無人機影像上建立電腦視覺模型的 Python 函式庫與低程式碼框架。
audiomentations：一個快速且易於使用的深度學習音訊資料增強函式庫
一個 Python 音訊資料增強函式庫，提供多樣化的轉換，使音訊深度學習模型在實際應用中更具魯棒性。
torchio: 一個基於 PyTorch 的工具包，用於預處理和增強具有領域特定偽影的 3D 醫學影像
一個用於 PyTorch 的 Python 函式庫，提供高效載入、預處理和增強 3D 醫學影像的工具。
synthetic-data-generator: 一個支援 GANs、LLMs 與十億級數據集的隱私保護表格數據生成器
一個專門用於使用統計模型、GANs 與 LLMs 生成高品質、隱私保護的合成表格數據的專業框架。
torchmetrics: 一個用於分散式訓練與評估的可擴展 PyTorch 指標函式庫
包含超過 100 種 PyTorch 指標實作的集合，可自動化分散式裝置間的累積與同步，以減少機器學習流程中的樣板程式碼。
kompute：跨廠商 GPU 計算框架，提供不同顯示卡品牌的高效能加速
基於 Vulkan 的跨廠商 GPU 計算框架，能在 AMD、NVIDIA 與 Qualcomm 硬體上提供機器學習與資料處理的高效能加速。
deepdetect：一個用於跨多種模態統一訓練與推論的深度學習執行環境與 REST 伺服器
一個深度學習執行環境與 REST 伺服器，提供統一的 API 以在影像、文字與表格資料上進行訓練與推論。
kuberay：用於管理 Ray 叢集、工作與服務生命週期的 Kubernetes Operator
一個簡化 Ray 應用程式在分散式 AI 工作負載上部署、擴縮與管理的 Kubernetes Operator。
voxelmorph: 一個基於學習的框架，用於可變形醫學影像配準與對齊
一個通用的函式庫，用於基於學習的影像配準與變形建模，主要用於對齊醫學影像掃描。
Papers-in-100-Lines-of-Code：每篇不超過 100 行程式碼的 60 多篇具影響力 AI 研究論文的極簡實作
一個收錄超過 60 篇具影響力 AI 與機器學習研究論文的極簡實作集合，每篇皆以 100 行或更少的程式碼完成。
leptonai: 一個用於在 NVIDIA DGX Cloud Lepton 上管理與操作 AI 工作負載的 Python 函式庫與 CLI
一個用於 NVIDIA DGX Cloud Lepton 平台的 Python 函式庫與 CLI，允許使用者部署與管理 AI 端點、批次作業與叢集。
AIF360：一個用於檢測與緩解機器學習模型中演算法偏見的可擴展工具包
一個適用於 Python 和 R 的可擴展開源函式庫，提供用於檢測和緩解機器學習模型中演算法偏見的指標和演算法。
DeepCamera: 一個具備自主硬體感知技能部署與在地 VLM 分析功能的開源 AI 攝影機平台
一個開源 AI 攝影機平台，透過自主且具備硬體感知能力的安裝程序，實現 VLM 場景分析與物件偵測技能的在地部署。
AlphaTree-graphic-deep-neural-network：深度學習模型的視覺學習路線圖，將學術論文與實作程式碼相連結
一個結構化的視覺路線圖與資源集合，透過將學術論文、程式碼與圖示相連結，協助開發者轉向 AI 應用工程。
dm-haiku: 一個為 JAX 設計、支援物件導向模型定義的類神經網路函式庫
一個為 JAX 設計的類神經網路函式庫，能在維持與 JAX 純函數轉換相容性的同時，支援物件導向的模型定義。
SDV：一個用於生成與評估隱私保護表格合成資料的機器學習函式庫
一個使用機器學習模擬真實模式、同時保護隱私的 Python 表格合成資料函式庫。
scikit-llm: 一個與 scikit-learn 相容的 wrapper，用於將 LLMs 整合至文字分析流程中
一個將 ChatGPT 等大型語言模型整合至 scikit-learn 的函式庫，可實現增強的文字分析任務，例如 zero-shot 分類。
reinforcement-learning: 核心強化學習演算法的獨立 PyTorch 實作集合
一系列易於閱讀、獨立的 PyTorch 核心強化學習演算法實作，範圍從基礎的 Grid World 到用於 Atari 遊戲的深度 RL。
segment-geospatial: 一款將 Segment Anything Model 應用於遙感影像的地理空間分割工具
一個將 Segment Anything Model (SAM) 應用於地理空間數據的 Python 套件，能夠使用文本、點或框輕鬆地對衛星影像進行分割。
neuralforecast: 一個使用者友善且包含最先進神經時間序列預測模型的集合
一個包含超過 30 種最先進神經預測模型的函式庫，提供使用者友善且 scikit-learn 風格的 API，用於高效能的時間序列預測。
FLAML: 一個用於模型選擇與超參數優化的快速且經濟的 AutoML 引擎
一個輕量級的 Python 函式庫，用於高效的自動化機器學習 (AutoML) 與超參數調優，旨在以最小的計算資源尋找高品質模型。
probability: 一個用於機率推理與統計分析並具備深度網路整合功能的函式庫
一個用於機率推理與統計分析的函式庫，透過 TensorFlow 或 JAX 將機率方法與深度網路整合。
autotrain-advanced: 一個用於訓練與部署尖端機器學習模型的無程式碼解決方案
一個用於訓練與部署機器學習模型的無程式碼工具，支援從 LLM fine-tuning 到 image classification 的廣泛任務。
watermark-removal：一款基於機器學習的圖像修復工具，用於去除水印
一個利用圖像修復技術去除圖像水印的機器學習專案，能產生無縫且高品質的結果。
dm_control: 一個用於 Reinforcement Learning และ連續控制的基於物理的模擬器堆疊 (physics-based simulation stack)
一個由 MuJoCo 物理引擎驅動的，用於基於物理的模擬和 Reinforcement Learning 環境的軟體堆疊。
Flux.jl: 一個具備原生 GPU 與自動微分支援的純 Julia 機器學習框架
一個純 Julia 的機器學習框架，透過原生 GPU 與自動微分支援，為建立與訓練模型提供輕量級的抽象。
ignite: 一個用於 PyTorch 的高階訓練與評估函式庫，以靈活的事件驅動系統取代冗長的樣板程式碼
一個用於 PyTorch 的高階函式庫，透過靈活的引擎與事件驅動系統簡化神經網路的訓練與評估。
djl：一個與引擎無關的 Java 框架，用於構建、訓練與部署深度學習模型
一個與引擎無關的 Java 深度學習框架，讓 Java 開發者能以原生 Java 體驗構建、訓練與部署模型。
pytorch-forecasting: 一個用於可解釋多時段時間序列預測的高階深度學習框架
一個基於 PyTorch 的時間序列預測套件，提供高階 API 以及如 Temporal Fusion Transformers 和 N-BEATS 等最先進的深度學習架構。
grobid: 一個用於從科學 PDF 中提取並結構化書目數據的機器學習函式庫
一個機器學習函式庫，可將原始 PDF 科學出版物解析為結構化的 XML/TEI 文件，用於大規模書目數據提取。
gluonts: 一個基於 PyTorch 的機率性時間序列建模函式庫
一個用於機率性時間序列建模的 Python 套件，利用深度學習與 PyTorch 來生成帶有不確定性區間的預測。
SynapseML：在 Apache Spark 上構建分散式機器學習管道的可擴展機器學習庫
一個建構於 Apache Spark 之上的開源庫，提供可擴展、分散式的機器學習 API，適用於文字分析、視覺與異常偵測等任務。
sahi: 一個用於在大圖中執行切片推理以偵測小物件的視覺函式庫
一個輕量級的視覺函式庫，可透過各種熱門的物件偵測框架，實現切片推理以在大規模圖像中偵測小物件。
tch-rs: 為 PyTorch C++ API 提供張量操作與神經網路訓練的 Rust bindings
為 PyTorch C++ API (libtorch) 提供 Rust bindings，讓您能在 Rust 中使用 PyTorch 的張量操作與神經網路訓練。
flashlight: 一個具備 JIT kernel 編譯與原生多領域應用程式的高性能 C++ 機器學習函式庫
一個快速、靈活的 C++ 機器學習函式庫，為語音、視覺與文本的高性能 AI 研究提供核心 tensor 介面與神經網路工具。
composer: 一個用於在 GPU 集群中擴展 PyTorch 工作流程的深度學習訓練函式庫
一個基於 PyTorch 的深度學習函式庫，簡化了大規模的分散式訓練，提供記憶體優化和演算法加速工具，以減少訓練時間和成本。
mlpack: 一個快速、僅限標頭檔的 C++ 機器學習函式庫，並提供多語言綁定
一個快速、僅限標頭檔的 C++ 機器學習函式庫，提供廣泛的 ML 方法和函數，並提供 Python、Julia、Go 和 R 的綁定。
NN-SVG: 一個用於生成出版級神經網路架構圖的參數化生成器
一個用於以 SVG 格式建立出版級神經網路架構圖的參數化工具，消除了手動繪製的需求。
DALI: 一個用於加速數據加載與預處理的 GPU 加速庫，消除深度學習流水線中的 CPU 瓶頸
一個用於數據加載與預處理的 GPU 加速庫，可消除圖像、影片與音訊數據在深度學習流水線中的 CPU 瓶頸。
tsai: 一個用於時間序列與序列數據的深度學習函式庫，包含豐富的 SOTA 模型集合
一個基於 PyTorch 和 fastai 構建的尖端深度學習函式庫，用於處理包括分類、回歸和預測在內的時間序列任務。
serving: 一個用於管理與提供版本化機器學習模型推論的高性能生產系統
一個用於機器學習模型的高性能提供系統，旨在於生產環境中管理模型生命週期，並透過 gRPC 和 HTTP 提供版本化推論。
smile: 一個具備整合 LLM 推論與代理式數據科學 IDE 的高效能 JVM 機器學習框架
一個全面的、高效能的 JVM 機器學習框架，提供經典 ML、深度學習、LLM 推論以及代理式數據科學 IDE 的工具。
flower: 一個用於構建與擴展聯邦 AI 的框架無關型系統
一個用於構建聯邦 AI 系統的框架，可在各種 ML 框架和設備上實現去中心化的模型訓練。
autograd: 一個用於原生 Python 和 NumPy 代碼的自動微分庫
一個能夠自動對原生 Python 和 NumPy 代碼進行微分的庫，以實現高效的基於梯度的優化。
stanza: 一個支援 60 多種語言並具備神經網路管線的多元語言 Python NLP 函式庫，以及專門的生物醫學模型
來自 Stanford 的一個 Python NLP 函式庫，為 60 多種語言提供準確的神經網路處理工具，並提供 Java Stanford CoreNLP 軟體的包裝器。
modelscope：一個統一的 Model-as-a-Service 框架，實現多樣 AI 模型的無縫推理與微調
一個 Model-as-a-Service (MaaS) 平台與函式庫，提供統一介面，讓使用者能在多個領域中發現、推理與微調數百個最先進的 AI 模型。