dmlc/treelite

Universal model exchange and serialization format for decision tree forests

What it solves

Treelite 為決策樹森林提供了一個通用的模型交換與序列化格式，讓 C++ 應用程式能夠在磁碟與網路之間交換與儲存這些模型。

How it works

Treelite 扮演一個小型化 library 的角色，將決策樹森林的序列化與儲存方式標準化，讓不同的 C++ 應用程式可以共享相同的模型格式。

Who it’s for

需要以標準化方式來儲存、載入與傳輸基於決策樹的機器學習模型的 C++ 應用程式開發者。

Highlights

  • 決策樹森林的通用序列化格式
  • 專為 C++ 應用程式整合而設計
  • 支援磁碟儲存與網路傳輸

相關

  • 專案
    BehaviorTree/BehaviorTree.CPP

    用於建立行為樹（Behavior Trees）的 C++ 17 函式庫，用於管理機器人與遊戲 AI 中的複雜決策，為有限狀態機提供了一種反應式且靈活的替代方案。

  • 專案
    onnx/optimizer

    一個用於對 ONNX 模型執行任意最佳化的 C++ 庫，提供可跨不同後端實作重用的共享最佳化步驟。

  • 專案
    google/yggdrasil-decision-forests

    一個用於訓練、評估、解釋與部署隨機森林與梯度提升樹等決策森林模型的快速且可擴展的函式庫。

  • 專案
    agentlas-ai/Agentlas-OS

    Agentlas OS 是一個開源、跨平台的框架（Hephaestus 引擎），讓您能建構、借用與擁有可攜式的 LLM 驅動代理或團隊。代理是帶有嚴格 JSON 合約的打包方法文件，可儲存在私人「代理雲」中，或從公開 Hub 取得，並可在任何支援的主機（macOS、Windows、Linux）上，使用您已有的任意 LLM 執行。安裝僅需一個指令；命令列介面（`/agentlas build`、`/agentlas hub`、`/agentlas upload` 等）與視覺化桌面 UI 讓您能組合、驗證與執行代理，同時將憑證與權限保留在本地。

  • 專案
    dmlc/dmlc-core

    一個提供建立高效且可擴展分散式機器學習系統所需基本元件的骨幹 C++ 庫。