¿Con qué está hecho ai-infra-book?
ai-infra-book es un repo de Python hecho con FastAPI, anyio, Flask, flask-cors, graphene y 13 más. Accede a sus datos con alembic y SQLAlchemy, inicia sesión con cryptography, itsdangerous y Google, usa IA con accelerate, apache-tvm-ffi, comet-ml, cuda-core, cuda-python y 84 más, arma su contenido con cairosvg, defusedxml, imageio, imageio-ffmpeg, lxml y 13 más, valida sus datos con annotated-types, dacite, fastjsonschema, jsonschema, jsonschema-specifications y 5 más, se prueba con responses, playwright, Pytest y Rich, corre en producción con aiobotocore, boto3, botocore, colorlog, docker y 11 más y usa blobfile, gitdb, huey, pyarrow, redis y 7 más. Son 1,438,355 líneas escritas, con 1,093 archivos de prueba.
Leído el 17 de noviembre de 2026, en el commit 3bdcb4f. Léela en markdown
La ficha dice con qué está hecho. Su mapa entero lo abre por dentro: cada parte del código y cómo se conecta con las demás.
Frontend
Estilos 3
fonttools1 archivo
mkdocs-material
- cycler
Interfaz 10
matplotlib249 archivos
contourpy
Gradio
- Plotly
prompt-toolkit
pyecharts
seaborn
- blessed
- kaleido
- matplotlib-inline
Backend
La base 1
FastAPI3 archivos
Datos 11
pyarrow
- redis
tensorboard-data-server
- pyzmq9 archivos
- blobfile
- gitdb
- huey
- s3fs
- s3transfer
- smart-open
- transferqueue
Acceso a los datos 2
Inicio de sesión 3
- Google2 archivos
itsdangerous
- cryptography
IA 88
- torch326 archivos
torchvision20 archivos
tensordict11 archivos
safetensors10 archivos
- ONNX4 archivos
deepspeed3 archivos
diffusers3 archivos
jax3 archivos
librosa3 archivos
torchaudio3 archivos
- ModelScope1 archivo
tokenizers1 archivo
accelerate
apache-tvm-ffi
cupy-cuda13x
descript-audio-codec
e2b
evaluate
fla-core
flash-linear-attention
flashinfer-cubin
flashinfer-python
jaxlib
mcp
- MLflow
mlx
mooncake-transfer-engine-cuda13
nltk
- nvidia-cublas
nvidia-cudnn-frontend
onnx-ir
onnxscript
openai
openai-agents
peft
pythainlp
rouge-score
- scikit-learn
skops
- spaCy
spacy-legacy
stanza
thinc
timm
- transformers51 archivos
- triton11 archivos
- einops9 archivos
- flash-attn9 archivos
- megatron-core8 archivos
- datasets5 archivos
- xformers5 archivos
- causal-conv1d1 archivo
- cuda-bindings1 archivo
- nvidia-cuda-runtime1 archivo
- torchdata1 archivo
- transformer-engine1 archivo
- comet-ml
- cuda-core
- cuda-python
- cuda-toolkit
- decord2
- einx
- emerging-optimizers
- llvmlite
- loralib
- mamba-ssm
- math-verify
- megatron-bridge
- mistral-common
- ml-dtypes
- mlx-lm
- nixl
- nvidia-cudnn-cu12
- nvidia-cudnn-cu13
- nvidia-cufft
- nvidia-cusolver
- nvidia-cusparse
- nvshmem4py-cu13
- open-clip-torch
- opt-einsum
- qwen-vl-utils
- sacrebleu
- sentencepiece
- sglang-router
- silero-vad
- sklearn-crfsuite
- tiktoken
- torch-c-dlpack-ext
Otros repos con un stack parecido
Ordenados por cuánto de su stack comparten con ai-infra-book, y después por estrellas.
- ray-projectray44.3 k
Ray is an AI compute engine. Ray consists of a core distributed runtime and a set of AI Libraries for accelerating ML workloads.
99 de 415 en comúnComparar → - run-llamallama_index52.9 k
LlamaIndex is the document processing platform for AI
51 de 415 en comúnComparar → - apachesuperset75.5 k
Apache Superset is a Data Visualization and Data Exploration Platform
49 de 415 en comúnComparar → - vllm-projectvllm97.1 k
A high-throughput and memory-efficient inference and serving engine for LLMs
39 de 415 en comúnComparar → - mudlerLocalAI50.4 k
LocalAI is the open-source AI engine. Run any model - LLMs, vision, voice, image, video - on any hardware. No GPU required.
38 de 415 en común · GoComparar →
Preguntas frecuentes
¿En qué lenguaje está escrito ai-infra-book?
¿Qué framework usa ai-infra-book?
¿Con qué inicia sesión ai-infra-book?
¿ai-infra-book usa IA?
¿Qué servicios usa ai-infra-book?
¿ai-infra-book tiene pruebas?
¿Qué repos tienen un stack parecido a ai-infra-book?
Mira tu código por dentro, hoy.
Pega tu repo y lo ves dibujado, parte por parte: uno mediano, en menos de un minuto.
Gratis y sin cuenta.¿Repo privado? Entra con GitHub

