ForestFlow是一个可扩展的基于策略的云本地机器学习模型服务器。ForestFlow努力在它为数据科学家提供的灵活性和标准的采用之间取得平衡，同时减少数据科学、工程和运营团队之间的摩擦。
ForestFlow是LF AI基金会的孵化阶段项目。
原始仓库地址：https://github.com/forestflow/forestflow.git
Horovod使单gpu的TensorFlow程序变得容易，并成功地在许多gpu上更快地训练它。Horovod也显著提高了GPU资源使用率。该项目使用先进的算法，并利用高性能网络的特性，为数据科学家、研究人员和人工智能开发人员提供工具，以方便和高性能地扩展他们的深度学习模型。在将Horovod与标准分布式TensorFlow进行基准测试时，优步发现其规模扩展能力有了很大提高，Horovod的速度大约是后者的两倍。
Horovod是LF AI基金会的一个毕业阶段项目。
原始仓库地址：https://github.com/horovod/horovod.git
Feast(功能商店)是一个管理和服务机器学习功能的工具。Feast是模型和数据之间的桥梁
Feast致力于：
- 提供一个统一的方法来管理从一个人到大型企业的特性数据。
- 在培训和服务模型时提供可伸缩和高性能的特征数据访问。
- 提供一致的和时间点上的对特性数据的正确访问。
- 启用发现、文档化和对特性的洞察。
原始仓库地址：https://github.com/feast-dev/feast.git
Open Neural Network Exchange (ONNX)是一个开放的生态系统，它使AI开发人员能够根据项目的发展选择正确的工具。ONNX为AI模型(包括深度学习和传统ML)提供了一种开源格式。它定义了一个可扩展的计算图模型，以及内置操作符和标准数据类型的定义。目前，我们主要关注推理(评分)所需的功能。
ONNX得到了广泛的支持，可以在许多框架、工具和硬件中找到它。实现不同框架之间的互操作性，简化从研究到生产的路径，有助于提高AI社区的创新速度。
原始仓库地址：https://github.com/onnx/onnx.git
在MLIR编译器基础结构中降低ONNX模型的表示和引用
原始仓库地址：https://github.com/onnx/onnx-mlir.git
tensorflow-onnx将使用您系统上安装的ONNX版本，如果找不到最新的ONNX版本，则安装最新的ONNX版本。
我们支持ONNX opset-6到opset-12。默认情况下，我们对生成的ONNX图使用opset-8，因为大多数运行时都支持opset-8。对未来操作集的支持在它们发布时添加。
原始仓库地址：https://github.com/onnx/tensorflow-onnx.git
ONNX的Tensorflow后端
原始仓库地址：https://github.com/onnx/onnx-tensorflow.git
开放神经网络交换(ONNX)是一种表示机器学习模型的开放标准格式。ONNX得到了社区合作伙伴的支持，他们已经在许多框架和工具中实现了ONNX。
原始仓库地址：https://github.com/onnx/models.git
将scikit-learn模型和piplines转换为ONNX
原始仓库地址：https://github.com/onnx/sklearn-onnx.git
eras2onnx模型转换器使用户能够将Keras模型转换为ONNX模型格式。最初，Keras转换器是在onnxmltools项目中开发的。keras2onnx转换器的开发被转移到一个独立的存储库中，以支持更多种类的Keras模型，并减少混合多个转换器的复杂性。
原始仓库地址：https://github.com/onnx/keras-onnx.git
项目类型