Interpret
NEW微软开源的可解释 AI 工具库，支持拟合可解释模型和解释黑盒机器学习模型的预测结果，提供可视化的特征重要性分析和模型解释。
🎯适用场景：解释黑盒模型的预测逻辑，生成特征重要性可视化报告，满足合规审计要求，适合金融、医疗等需要模型透明度的行业
📥 收录于 2026/5/25
📊 仓库数据
✅ 优点
- •提供多种解释技术（EBM、LIME、SHAP 等），覆盖不同场景
- •可视化界面友好，非技术人员也能理解
⚠️ 限制
- •对深度学习模型的解释能力有限，不如树模型效果好
- •大数据集上的解释计算开销较大
🔗 相关工具
h4cker
NEW开源⭐ 27k↑+2github.com/The-Art-of-Hacking/h4cker
由安全专家 Omar Santos 维护的综合性网络安全资源库，涵盖道德黑客、漏洞赏金、数字取证和事件响应等数千条学习资源，是安全从业者的必备参考。（26K+ stars）
🎯 网络安全学习、渗透测试资源查找、数字取证参考、AI 安全研究
SHAP
NEW开源⭐ 25kgithub.com/shap/shap
基于博弈论的机器学习模型解释工具，使用 Shapley 值为任意模型输出提供一致且可解释的特征重要性归因，适用于各种 ML 框架。
🎯 解释黑盒模型的预测结果，生成特征重要性报告，满足合规审计需求，适合金融风控、医疗诊断等需要可解释性的场景
ncnn
NEW开源⭐ 23kgithub.com/Tencent/ncnn
高性能神经网络推理框架，4.6K+ stars。针对移动端优化的高性能神经网络推理框架，腾讯开源的移动端深度学习推理方案
🎯 移动端/嵌入式高性能神经网络推理部署
onnx
NEW开源⭐ 21k↑+3github.com/onnx/onnx
开放神经网络交换格式（ONNX），21K+ stars。跨框架的 ML 模型表示标准，支持 PyTorch、TensorFlow 等框架间模型转换与互操作，是模型部署生态的基础规范
🎯 跨框架模型格式转换、ONNX 标准模型交换与互操作
Xinference
NEW开源⭐ 9.3k↑+1github.com/xorbitsai/inference
统一的多模型推理平台，通过一行代码即可切换不同 LLM。支持开源模型、语音模型和多模态模型在云端、本地或笔记本电脑上的部署，提供生产级 API 服务。
🎯 快速部署多种开源 LLM 和多模态模型，统一 API 接口，适合需要同时运行多个模型的团队或企业
vLLM
开源⭐ 81k↑+37github.com/vllm-project/vllm
高吞吐 LLM 推理引擎，77,418+ stars。采用 PagedAttention 显存优化技术，吞吐量比 HuggingFace Transformers 高 24 倍，是生产环境部署大模型推理的首选方案，支持 OpenAI 兼容 API
🎯 生产环境模型推理服务