rentruewang/aioway

# Aioway ## 🚧 注意事项 Aioway 是一个进行中的项目，基于原始的 [`koila`（已移至一个分支）][koila] 构建。`torch` 团队构建的 `FakeTensor` 在功能上与 `koila` 有大量重叠，因此 `koila` 不再维护。相关原理请参阅 [koila][koila] 分支。 从概念上讲，`aioway` 的工作方式类似，但它的重点不在于 `Tensor` 操作，而在于更高层次的**算法构建**。请参阅以下承诺的功能： ## 🍰 承诺功能 - 简单、声明式且可复现。 - 检测当前任务、可用资源，并选择最佳算法和模型。 - 由 aioway 构建的模型将是白盒（可解释的）。 - 允许您扩大模型规模，并迁移到不同的机器。 - 可通过自定义 PyTorch 进行扩展。 ## 🗺️ 路线图 关于预发布版本 (`v0.0.*`)，更多详情请参见 [项目](https://github.com/users/rentruewang/projects/7)。 ## 🤔 为什么选择 Aioway 近年来，机器学习的入门门槛不降反升。随着算法、库和模型数量的不断增加，合格的数据科学家稀少也就不足为奇了，因为你需要数年的训练才能跟上现状。 我们设计 Aioway 的方式是，让您不必思考**如何**进行机器学习，而是指定**要做什么**。Aioway 不关注使用哪些算法和模型，而是让您专注于用例，通过考虑问题的背景，并根据数据执行编译以确保良好性能。这一切都是自动的。 ## 🤝 贡献 当然欢迎贡献。请参阅[贡献指南](./CONTRIBUTING.md)并遵守[行为准则](./CODE_OF_CONDUCT.md)。 ## 👨‍👨‍👦‍👦 贡献者

标签：AI框架, Apex, PyTorch, RDBMS, 人工智能, 凭据扫描, 可扩展系统, 可解释AI, 声明式编程, 性能优化, 数据科学, 易部署, 机器学习, 检测绕过, 模型构建, 深度学习, 深度学习平台, 用户模式Hook绕过, 白盒模型, 算法选择, 自动化机器学习, 资源优化, 资源验证, 逆向工具