quart：一个具有 Flask 兼容 API 的异步网络框架。一些现有的 Flask 扩展甚至可以工作。
alibi-detect：监控生产模型中的异常值和分布漂移，适用于表格数据、文本、图像和时间序列。
einops：einops 在 2020 年普及，可以让你为可读和可靠的代码编写张量操作，支持 NumPy、PyTorch、TensorFlow 等。Karpathy 推荐的，你还需要什么吗？
stanza：来自斯坦福的 60 多种语言的精确自然语言处理工具。多种可用的预训练模型用于不同的任务。
datasets：来自 HuggingFace 的轻量级可扩展库，可轻松共享和访问数据集，以及用于自然语言处理等评估指标。
pytorch-forecasting：在现实世界的案例和研究中，利用神经网络简化时间序列预测。
sktime：提供专门的时间序列算法和 scikit-learn 兼容工具，用于构建、调整和评估复合模型。也可以查看他们的配套 sktime-dl 包，用于基于深度学习的模型。
netron：一个用于神经网络、深度学习和机器学习模型的可视化工具。支持的格式比我所知道的还要多。
pycaret：封装了几个常见的机器学习库，使工作效率大大提高，并节省了数百行代码。
tensor-sensor：通过改进错误信息和提供可视化，帮助你获得张量数学的正确维度。