📱Face-Censor.

Face-Censor — это Python-приложение для автоматического обнаружения и скрытия лиц на изображениях и видео с помощью YOLOv8.

🔹Возможности:

🔘Обнаружение лиц с помощью YOLOv8.
🔘Поддержка обработки изображений и видео.
🔘Простой и удобный интерфейс.
🔘 Гибкая система цензуры.
🔘Обучено на датасете WIDER FACE через Roboflow.
🔘Несколько методов маскирования: размытие, эмодзи, текст.

#FaceCensor #Python #MachineLearning #YOLOv8 #AI #РаспознаваниеЛиц #КомпьютерноеЗрение #DeepLearning #Roboflow

📱Ссылка на репозиторий:
https://github.com/Spring-0/face-censor

📱Oumi.

Oumi — это полностью open-source платформа, которая упрощает весь жизненный цикл state-of-the-art foundation-моделей: от подготовки данных и обучения до оценки и развертывания.

Не важно, работаете ли вы на ноутбуке, запускаете масштабные эксперименты в кластере или развертываете модели в продакшене — Oumi предоставляет все необходимые инструменты и рабочие процессы.

⭐С Oumi вы сможете:

🔘Обучать и дообучать модели от 10M до 405B параметров с использованием передовых техник (SFT, LoRA, QLoRA, DPO и др.).

🔘Работать с текстовыми и мультимодальными моделями (Llama, DeepSeek, Qwen, Phi и др.).

🔘Генерировать и отбирать обучающие данные с помощью LLM-судей.

🔘Эффективно развертывать модели с популярными движками для инференса (vLLM, SGLang).

🔘Проводить комплексную оценку моделей на стандартных бенчмарках.

🔘Запускать где угодно: на ноутбуках, кластерах и в облаках (AWS, Azure, GCP, Lambda и др.).

🔘Интегрироваться как с открытыми моделями, так и с коммерческими API (OpenAI, Anthropic, Vertex AI, Together, Parasail и др.).

✅Все это — с единым API, высокой надежностью на уровне продакшена и максимальной гибкостью для исследований.

#AI #Oumi #ML #DeepLearning #OpenSource #LLM #MLOps #AIPlatform

📱Ссылка на репозиторий:
https://github.com/oumi-ai/oumi

📱olmOCR.

olmOCR — это инструмент для обучения языковых моделей работе с PDF-документами.

🔹Особенности и возможности:

🔘Парсинг текста: Инновационная стратегия запроса для качественного извлечения естественного текста с использованием ChatGPT 4o (buildsilver.py).

🔘Оценка версий: Инструмент для побочного сравнения различных версий пайплайнов (runeval.py).

🔘Фильтрация: Базовая фильтрация по языкам и удаление SEO-спама (filter.py).

🔘Дообучение: Код дообучения для моделей Qwen2-VL и Molmo-O (train.py).

🔘Масштабирование: Обработка миллионов PDF с помощью дообученной модели и Sglang (pipeline.py).

🔘Визуализация: Просмотр документов Dolma, созданных из PDF (dolmaviewer.py).

#olmOCR #AI #PDF #MachineLearning #ChatGPT #NLP #DeepLearning #TechTools #OpenSource #DataScience #OCR

📱Ссылка на репозиторий:
https://github.com/allenai/olmocr

📱VoiceRestore.

VoiceRestore — это передовая модель восстановления речи, разработанная для значительного улучшения качества повреждённых голосовых записей. Используя flow-matching трансформеры, она эффективно устраняет широкий спектр аудиоискажений, таких как фоновый шум, реверберация, искажения и потеря сигнала.

🔹Ключевые особенности:

🔘Универсальное восстановление: модель способна обрабатывать записи любой степени и типа деградации. Чистая магия!

🔘Простота использования: интуитивно понятный интерфейс для обработки повреждённых аудиофайлов.

🔘Предобученная модель: включает трансформер с 301-миллионным параметром и предобученными весами.

⚙️Детали модели:

🔘Архитектура: Flow-matching трансформер.

🔘Параметры: более 300 млн параметров.

🔘Вход: повреждённое аудио речи (поддерживаются различные форматы).

🔘Выход: восстановленная речь.

❗️Ограничения и планы на будущее:

🔘Текущая модель оптимизирована для речи и может работать не идеально с музыкой или другими типами аудио.

🔘Продолжаются исследования по улучшению качества при экстремальных искажениях.

🔘В будущих обновлениях могут появиться возможности обработки в реальном времени.

#VoiceRestore #FlowMatching #ВосстановлениеРечи #ИИ #MachineLearning #DeepLearning #Нейросети #АудиоТехнологии #Инновации

📱Ссылка на репозиторий:
https://github.com/skirdey/voicerestore

📱Pruna.

Pruna – это мощный фреймворк для разработчиков, позволяющий ускорять и сжимать модели с минимальными затратами. Он включает:

✅Кэширование.

✅Квантование.

✅Прореживание (pruning).

✅Дистилляцию.

✅Компиляцию.

💡Преимущества Pruna:

🔘Быстрее – ускорение инференса за счёт оптимизаций.

🔘Меньше – уменьшение размера модели без потери качества.

🔘Дешевле – снижение затрат на вычисления.

🔘Экологичнее – сокращение энергопотребления.

#Pruna #AI #ModelOptimization #DeepLearning #MachineLearning #LLM #DiffusionModels #VisionTransformers #SpeechRecognition

📱Ссылка на репозиторий:
https://github.com/PrunaAI/pruna

📱TokenSet.

TokenSet – это инновационная модель, которая меняет подход к генерации изображений через множество токенов вместо последовательных кодов.

🔹Ключевые особенности:

🔘Токенизация через множества – представление изображений в виде перестановочно-инвариантных наборов токенов.

🔘Двойное преобразование – обратимое и согласованное отображение множества токенов в фиксированную последовательность целых чисел.

🔘Fixed-Sum Discrete Diffusion (FSDD) – первый дискретный диффузионный метод, который:

✔️моделирует дискретные значения.
✔️сохраняет фиксированную длину последовательности.
✔️поддерживает ограничения суммы.

✅Новый шаг в дискретном генеративном моделировании!

#TokenSet #ImageGeneration #AI #DeepLearning #PyTorch

📱Ссылка на репозиторий:
https://github.com/Gengzigang/TokenSet

📱PhysicsNeMo.

PhysicsNeMo – это открытый фреймворк глубокого обучения для построения, обучения и тонкой настройки моделей с использованием передовых методов SciML для AI4Science и инженерии.

🔹Возможности PhysicsNeMo:

🔘Оптимизированные конвейеры для AI-моделей, сочетающих физические законы и данные.

🔘Поддержка нейронных операторов, GNN, трансформеров.

🔘Гибридные подходы: Physics-informed Neural Networks и их комбинации.

🔘Масштабируемое обучение моделей на мощностях NVIDIA.

✅Разработан для ученых и инженеров, которые хотят внедрять AI в моделирование физических процессов!

#PhysicsNeMo #NVIDIA #AI4Science #DeepLearning #SciML

📱Ссылка на репозиторий:
https://github.com/NVIDIA/physicsnemo

📱Voice_Extractor.

Voice_Extractor — инструмент на базе ИИ для извлечения чистых фрагментов речи конкретного говорящего из многоголосых аудиозаписей.

🔹Основные возможности:

🔘Диаризация: определение «кто когда говорит» с помощью PyAnnote.

🔘Детекция наложений: удаление перекрытий голосов.

🔘Идентификация говорящего по эталонному аудио (WeSpeaker).

🔘Разделение звука: извлечение речи из фоновой музыки (Bandit-v2).

🔘Транскрипция: с помощью OpenAI Whisper.

🔘Визуализация: спектрограммы, графики идентификации и верификации.

🔘Вывод: качественные WAV-фрагменты и точные транскрипты.

🧢Используемые технологии:
PyTorch, PyAnnote, Whisper, WeSpeaker, Bandit-v2, SpeechBrain, Silero-VAD, FFmpeg и др.

🔻Быстрый старт:

pip install -r requirements.txt
python run_extractor.py \
  --input-audio path/to/audio.wav \
  --reference-audio path/to/target.wav \
  --target-name "SpeakerName" \
  --token "hf_yourToken"

❗️Требования: NVIDIA GPU с 16GB VRAM.

#Python #VoiceExtractor #SpeechAI #SpeakerDiarization #Whisper #PyAnnote #WeSpeaker #OpenAI #SpeechToText #AudioProcessing #DeepLearning #SpeechSeparation #MLTools #HuggingFace #AudioAI #AI4Audio #ASR

📱Ссылка на репозиторий:
https://github.com/ReisCook/Voice_Extractor

📱Cognee.

Cognee — это фреймворк для создания динамической памяти AI-агентов. Он заменяет классические RAG-системы (Retrieval-Augmented Generation) с помощью масштабируемых и модульных ECL (Extract, Cognify, Load) пайплайнов.

🐱Что умеет Cognee?

🔘Позволяет связывать и получать данные из прошлых разговоров, документов, изображений и аудиотранскрипций.

🔘Снижает затраты и усилия разработчиков, заменяя традиционные системы RAG.

🔘Загружает данные в графовые и векторные базы, используя Pydantic.

🔘Обрабатывает данные из более чем 30 источников.

🔹Пример:

import cognee
import asyncio

async def main():
    await cognee.add("Natural language processing (NLP) — междисциплинарная область компьютерных наук и информационного поиска.")
    await cognee.cognify()
    results = await cognee.search("Расскажи про NLP")
    for result in results:
        print(result)

if __name__ == '__main__':
    asyncio.run(main())

✅Откройте для себя возможности AI-памяти уже сегодня!

#Cognee #AIAgents #MemoryForAI #RAG #OpenSource #Python #MachineLearning #NLP #AItools #DataScience #Tech #DeepLearning #AIdevelopment

📱Ссылка на репозиторий:
https://github.com/topoteretes/cognee

📱MiniMax-M1.

MiniMax-M1 — это первая в мире open-weight языковая модель с гибридной архитектурой внимания, рассчитанная на глубокое мышление и работу с длинным контекстом.

🔹Особенности:

🔘Построена на базе MiniMax-Text-01, MiniMax-M1 поддерживает до 1 млн токенов в контексте, что в 8 раз больше, чем DeepSeek R1.

🔘Благодаря lightning attention, модель генерирует текст на 100k токенов, используя всего 25% FLOPs от DeepSeek R1.

🔘Обучена с использованием масштабного reinforcement learning (RL) и новой стратегии CISPO.

🔘Отлично справляется с задачами по математике, программированию, логике, анализу длинных текстов и использованию внешних инструментов.

🔘Поддерживает Function Calling, доступна через Chatbot и API.

🔘Рекомендуется к развёртыванию с vLLM или Transformers.

✅В ряде задач MiniMax-M1-80k уверенно обходит DeepSeek-R1 и Qwen3-235B.

#MiniMax #MiniMaxM1 #AI #LLM #OpenWeight #DeepLearning #ReinforcementLearning #FunctionCalling #vLLM #Transformers #MachineLearning #Reasoning #LongContext #MathAI #CodeGeneration #AItools #AIresearch

📱Ссылка на репозиторий:
https://github.com/MiniMax-AI/MiniMax-M1

📱Higgs Audio.

Boson AI открыли исходный код Higgs Audio v2 — мощной аудиомодели, обученной на более чем 10 миллионах часов аудио и разнообразных текстах. Без дополнительной дообучки модель уже демонстрирует высокую выразительность и точность.

📈 На тестах EmergentTTS-Eval Higgs Audio v2 побеждает gpt-4o-mini-tts с результатами:

🫨 75.7% (категория «Эмоции»).

❓ 55.7% (категория «Вопросы»).

🔹Возможности:

🔘Генерация многоязычных диалогов с несколькими голосами.

🔘Адаптация интонации при озвучке.

🔘Клонирование голоса и напевание мелодий.

🔘Одновременная генерация речи и фоновой музыки.

✅API совместимо с OpenAI и поддерживает голосовое клонирование, диалоги, перевод и озвучку.

✅Все функции можно запускать локально, без отправки данных в облако.

#AI #TTS #OpenSource #VoiceCloning #HiggsAudio #GenerativeAI #AudioGeneration #MachineLearning #BosonAI #SpeechTech #Python #MultilingualAI #DeepLearning #LLM #МашинноеОбучение #ГенерацияАудио #ГолосовойИИ #AIaudio #opensourceAI #uvpython

📱Ссылка на репозиторий:
https://github.com/boson-ai/higgs-audio

📱MinerU.

MinerU 2.5 — революционный инструмент для интеллектуального парсинга документов и PDF, превосходящий даже GPT-4o, Gemini 2.5 Pro и Qwen2.5-VL-72B в бенчмарке OmniDocBench.

✅Созданный командой OpenDataLab, этот open-source проект превращает PDF-файлы в машинно-читаемые форматы (Markdown, JSON и др.) с высокой точностью и скоростью.

🔹Основные возможности:

🔘Мультимодальная архитектура с 1.2B параметров — SOTA-результаты при сверхэффективности

🧾 Распознавание структуры документа: заголовки, таблицы, формулы, изображения.

🔘Конвертация формул в LaTeX, таблиц — в HTML.

🔘Распознавание макета, порядка чтения и даже сложных математических формул.

🔘OCR на 84 языках, поддержка CPU/GPU/NPU.

🔘Поддержка CLI, API, WebUI, Docker и Gradio.

🚀Установка:

uv pip install -U "mineru[core]"

#Python #AI #OCR #PDFParsing #MinerU #OpenDataLab #LLM #Gemini25 #GPT4o #Qwen25 #DocumentAI #ComputerVision #OpenSource #DeepLearning #LaTeX #TableRecognition #AIResearch

📱Ссылка на репозиторий:
https://github.com/opendatalab/mineru

📱RightNow CLI.

RightNow CLI — это интерактивный помощник для CUDA-разработки, умеющий писать, оптимизировать и отлаживать GPU-код прямо из терминала.

Он анализирует ваши ядра, находит ошибки, подсказывает оптимизации и даже предлагает варианты ускорения под конкретные видеокарты.

🔹Возможности:

🔘Обучение и объяснения CUDA.

🔘Генерация и оптимизация GPU-кода.

🔘Отладка и анализ производительности.

🔘Поддержка моделей: Gemini, Llama, GPT-4o, Claude.

🔘Работает даже без GPU (режим симуляции).

⚙️Установка:

pip install rightnow-cli
rightnow

#AI #CUDA #GPU #Python #DevTools #RightNow #OpenSource #MachineLearning #LLM #DeepLearning

📱Ссылка на репозиторий:
https://github.com/RightNow-AI/rightnow-cli

📱DeepInverse.

DeepInverse — это открытая библиотека на базе PyTorch для решения обратных задач в области обработки изображений с помощью глубокого обучения.

Библиотека объединяет широкий набор операторов, моделей и алгоритмов, создавая модульную и воспроизводимую среду для исследований и практических экспериментов.

🔹Особенности:

🔘Большой набор предопределённых операторов визуализации.

🔘Современные нейронные сети, включая предобученные модели восстановления и денойзеры.

🔘Гибкая инфраструктура для plug-and-play восстановления, оптимизационных и развёрнутых архитектур.

🔘Поддержка обучающих функций, диффузионных моделей и оценки неопределённости.

🔘Удобные инструменты для создания наборов данных для обратных задач.

🔻Установка:

pip install deepinv
# или с дополнительными зависимостями:
pip install deepinv[dataset,denoisers]

✅DeepInverse — это мощный инструмент для исследователей и инженеров, стремящихся ускорить и упростить разработку решений для задач восстановления изображений с использованием нейросетей.

#DeepInverse #PyTorch #DeepLearning #ComputerVision #ImageRestoration #OpenSource #AI #ResearchTools

📱Ссылка на репозиторий:
https://github.com/deepinv/deepinv

📱Depth Anything 3.

Depth Anything 3 — модель, которая восстанавливает 3D из любых картинок

Представьте модель, которая может понять глубину и форму сцены практически из любых изображений — одного фото, нескольких кадров или даже видео.
Это и делает Depth Anything 3 (DA3).

🔹Главная идея проста:

🔘Обычный Transformer справляется отлично — без сложных архитектур.
🔘Одно универсальное представление глубины заменяет кучу отдельных задач.

Именно поэтому DA3 работает стабильнее и точнее предыдущих моделей — как для одного кадра, так и для нескольких видов.

❓Что умеет DA3:

🔘Глубина по одному фото.

🔘Глубина по нескольким изображениям — кадры «склеиваются» с правильной 3D-геометрией.

🔘Определение позы камеры.

🔘3D Gaussian — красивые новые ракурсы сцены.

🔘Метрическая глубина (модель знает реальный масштаб).

🔘Единая модель под разные задачи.

🔻Почему удобно:

🔘Есть web-интерфейс — загрузил фото и получил 3D.

🔘Есть CLI для автоматизации.

🔘Можно сохранять в glb, ply, depth, npz, 3DGS и другие форматы.

🔘Удобный код для экспериментов и кастомных моделей.

✅Depth Anything 3 — это простой способ получать качественную 3D-информацию из любых изображений.

#depthanything #da3 #3dvision #ai #computerVision #deeplearning #geometry #monocular #multiview #pytorch #opensource

📱Ссылка на репозиторий:
https://github.com/ByteDance-Seed/Depth-Anything-3

📱NVIDIA Earth2Studio.

NVIDIA Earth2Studio — это Python‑фреймворк для быстрого запуска и компоновки AI‑моделей погоды и климата (прогноз, диагностика, статистика) через единую API поверх разных моделей и источников данных.

❓Что это такое:

🔘Набор модульных компонентов: прогностические модели, диагностические модели, источники данных, IO‑бекенды, методы возмущений, метрики.

🔘Работает как «инференс‑конвейер»: вы собираете pipeline из модели, источника данных и бекенда записи и запускаете прогноз одной функцией run(...).

❤Установка и быстрый старт:

🔘Установка:

  pip install earth2studio[dlwp]

После этого можно сделать детерминированный прогноз в несколько строк (пример с DLWP, GFS и NetCDF4Backend).

🔘Для других моделей могут понадобиться дополнительные зависимости; детали — в install guide в документации.

🔻Модели и данные:

🔘Прогностические модели: GraphCast (Small/Operational), Pangu (3h/6h/24h), Aurora, FuXi, AIFS, AIFS Ensemble, StormCast, SFNO, DLESyM и др., с разными разрешениями и шагом интегрирования, глобальные и региональные.

🔘Диагностические модели: осадки, солнечная радиация, шквалы ветра, тропические циклоны, генеративные климат‑модели (CBottle, CorrDiff и вариации).

🔘Источники данных: операционные модели (GFS, HRRR, IFS), реанализа (ERA5 через ARCO/CDS, WeatherBench2, NCAR_ERA5), осадочные и наблюдательные наборы (IMERG, ISD, MRMS), плюс AI‑климат (cBottle).

❗️Лицензия и важные нюансы:

🔘Сам Earth2Studio распространяется под Apache 2.0.

🔘Но это интерфейс к сторонним моделям/датасетам: лицензии на конкретные чекпойнты и данные принадлежат их авторам, права на скачивание/использование/распространение нужно проверять по ссылкам в API‑доках.

#Earth2Studio #NVIDIA #Python #WeatherAI #ClimateAI #DeepLearning #GraphCast #Pangu #AIFS #GFS #ERA5 #Zarr #NetCDF #Xarray #Forecasting #TimeSeries #DataScience

📱Ссылка на репозиторий:
https://github.com/NVIDIA/earth2studio

📱AI Engineering from Scratch.

AI Engineering from Scratch — ультимативный опенсорс-курс по ИИ-инженерии!

От линейной алгебры до создания роев автономных агентов. Забудьте про скучные видеолекции и пассивное потребление. Это AI-native курс, где вы изучаете ИИ с помощью ИИ, создавая реальные проекты на Python, TypeScript, Rust и Julia.

🔹В чем главная фишка?

Классические курсы заканчиваются сертификатом и фразой: "Поздравляем, вы это выучили". Здесь каждый из 272+ уроков завершается созданием готового переиспользуемого артефакта:

🔘Prompts: продвинутые шаблоны для ИИ-ассистентов.
🔘Skills: навыки для ИИ-кодеров (Claude Code, Cursor).
🔘Agents: автономные воркеры, готовые к деплою.
🔘MCP Servers: серверы для Model Context Protocol.

❓Что внутри (20 фаз, ~306 часов):

🔘Фундамент: Математика для ML, классическое машинное обучение и Deep Learning.

🔘Модели: Computer Vision, NLP, звук, Трансформеры и создание LLM с нуля.

🔘Инженерия: Промпт-инжиниринг, RAG, Multimodal AI, интеграция инструментов (API, MCP).

🔘Агенты: Agent Engineering, Автономные системы безопасности и Мультиагентные рои (Swarms).

🐱Философия "Build It / Use It"

Вы не используете готовые фреймворки с первого дня. Сначала вы пишете архитектуру с нуля на чистом коде (понимая всю внутреннюю логику), и только потом переходите к "продакшен" инструментам вроде PyTorch или sklearn.

❓Как начать:

Курс адаптируется под вас. Новички могут начать с базовой математики (Phase 1), а сеньоры — сразу прыгнуть в разработку агентов (Phase 14). Если используете ИИ-кодеры, можно запустить команду /find-your-level, чтобы ИИ сам подобрал вам персональный путь.

#AI #MachineLearning #DeepLearning #LLM #AIAgents #Python #DataScience #OpenSource #Education #Programming

📱Ссылка на репозиторий:
https://github.com/rohitg00/ai-engineering-from-scratch

📱LingBot-Map.

LingBot-Map — это новая базовая (foundation) 3D-модель прямого распространения, созданная специально для потоковой 3D-реконструкции видео в реальном времени!

💡Если вам нужно превратить длинное видео в детализированное облако точек на лету, то этот инструмент — один из лучших на сегодняшний день. Он превосходит как другие стриминговые методы, так и тяжелые классические подходы на базе итеративной оптимизации.

🔹Главные фишки:

🔘Geometric Context Transformer: Уникальная архитектура, которая в один проход объединяет привязку координат, геометрические подсказки и коррекцию дрейфа на длинных дистанциях (благодаря памяти траекторий и контексту якорей).

🔘Сверхбыстрый инференс: За счет использования Paged KV-кэша (с помощью библиотеки FlashInfer) модель стабильно обрабатывает видео со скоростью ~20 FPS даже на дистанциях свыше 10 000 кадров!

🔘Оконный режим (Windowed Inference): Идеальное решение для обработки гигантских сцен (>3000 кадров) без переполнения памяти видеокарты.

🔘Авто-маскировка неба: Встроенная ONNX-модель автоматически фильтрует небо, чтобы уличные реконструкции выглядели максимально чисто и без артефактов.

🎥Рендеринг и визуализация:

В комплекте идет крутой скрипт для пакетного рендеринга кинематографичных 3D-пролетов. Вы можете задать траекторию камеры (вид сверху, следование за оператором) через YAML-конфиг и сразу получить красивое .mp4 видео вашего облака точек.

🎥Доступные модели:

Веса лежат на Hugging Face и ModelScope. Авторы рекомендуют чекпоинт lingbot-map-long для больших сцен, но есть и сбалансированные варианты. Последние обновления проекта значительно ускорили работу и пофиксили баги с кэшированием ключевых кадров.

#3DReconstruction #MachineLearning #ComputerVision #PyTorch #LingBotMap #AI #OpenSource #DeepLearning

📱Ссылка на репозиторий:
https://github.com/Robbyant/lingbot-map

📱Hydra.

Hydra — это мощный фреймворк для гибкого и элегантного управления конфигурациями сложных приложений.

Если вы работаете в сфере Machine Learning или Deep Learning, вы наверняка сталкивались с кошмаром разрастающихся конфигурационных файлов. Hydra решает эту проблему, позволяя динамически собирать итоговый конфиг из мелких независимых кусочков (композиция) и переопределять любые параметры на лету прямо из командной строки, вообще не трогая код.

🔹Главные фишки и экосистема:

🔘Динамическая композиция: Настройки можно разбивать на логические группы (датасеты, модели, оптимизаторы) и комбинировать их в один клик.

🔘Удобный CLI: Переопределяйте любые глубоко вложенные параметры при запуске скрипта прямо через консоль (например, model.lr=0.001).

🔘Развитая экосистема плагинов:

🔤hydra-zen — генерация динамических конфигураций в чистом Python-стиле.

🔤lightning-hydra-template — готовый и очень популярный шаблон для ML-экспериментов на базе PyTorch Lightning.

🔤hydra-torch — типобезопасные конфигурационные классы для PyTorch.

🔤Плагин распределенного запуска от NVIDIA для масштабного обучения нейросетей.

📦Установка:

🔘Стабильная ветка (Hydra 1.3):

pip install hydra-core --upgrade

🔘Свежая dev-версия (Hydra 1.4 с поддержкой Python 3.10–3.14):

pip install --pre --upgrade hydra-core

✅Фреймворк распространяется под свободной лицензией MIT.

#Python #MachineLearning #DeepLearning #Hydra #PyTorch #DevTools #MLOps #OpenSource

📱Ссылка на репозиторий:
https://github.com/facebookresearch/hydra