mcpField
N
neural-mcp

neural-mcp

本地服务
andylbrummer.github.io开发工具226 周前更新
代码仓库访问官网

关于 neural-mcp

neural-mcp 是用于构建、训练和分析神经网络的 MCP 服务，面向机器学习实验。它涵盖数据集加载、训练、评估、调参和模型导出，并可选用 CUDA 加速。

主要功能

  1. 01构建 ResNet18、MobileNet 和自定义模型
  2. 02加载 CIFAR-10、MNIST 和 ImageNet
  3. 03按可配置参数训练模型
  4. 04评估模型并计算指标
  5. 05自动搜索超参数
  6. 06导出为 ONNX 或 TorchScript

适用场景

  1. 01在标准数据集上训练模型
  2. 02试验自定义网络架构
  3. 03衡量模型表现并检查预测
  4. 04将训练好的模型导出到其他工作流

MCP 相关

向 MCP 客户端提供神经网络模型、数据加载、训练、评估、分析、调参和导出工具。

配置

本地服务的配置在各客户端中通用，复制后粘贴到客户端的 MCP 配置文件即可。

mcp.json · 通用配置
{
  "mcpServers": {
    "andylbrummer-neural": {
      "command": "uvx",
      "args": [
        "scicomp-neural-mcp"
      ]
    }
  }
}
启动命令uvx scicomp-neural-mcp

本地服务需要在你的电脑上安装运行环境（如 Node.js 18+）。各客户端的配置文件位置不同，请参考客户端文档。

安装包
pypiscicomp-neural-mcp0.1.6

工具

还没有获取到工具列表

本地服务需要在你的电脑上运行后才能读取工具，维护者暂未提供工具列表。

详细介绍

scicomp-neural-mcp

mcp-name: io.github.andylbrummer/neural-mcp

用于神经网络训练和实验的 MCP 服务。

概览

此服务提供用于构建、训练和分析神经网络的工具：

  • 模型构建 - 预训练模型（ResNet、MobileNet）和自定义架构
  • 数据集加载 - CIFAR-10、MNIST、ImageNet 数据集及标准预处理
  • 训练 - 支持配置学习率和批量大小的完整训练循环
  • 评估 - 模型评估、指标计算和分析
  • 超参数调优 - 自动超参数搜索
  • 导出 - 将模型导出为 ONNX 和 TorchScript 格式
  • GPU 加速 - 可选的 CUDA 训练加速

安装与使用

# Run directly with uvx (no installation required)
uvx scicomp-neural-mcp

# Or install with pip
pip install scicomp-neural-mcp

# With GPU support (recommended for training)
pip install scicomp-neural-mcp[gpu]

# Run as command
scicomp-neural-mcp

可用工具

模型管理
  • define_model - 创建神经网络模型（ResNet18、MobileNet、自定义模型）
  • load_pretrained - 从 torchvision 或 Hugging Face 加载预训练模型
  • get_model_summary - 获取逐层详细摘要
  • export_model - 导出为 ONNX 或 TorchScript
数据加载
  • load_dataset - 加载标准数据集（CIFAR-10、MNIST、ImageNet）
  • create_dataloader - 创建带有随机打乱功能的批处理数据加载器
训练
  • train_model - 使用可配置参数在数据集上训练模型
  • get_experiment_status - 监控训练进度
  • evaluate_model - 在测试集上评估
分析
  • compute_metrics - 计算详细的性能指标
  • confusion_matrix - 生成混淆矩阵
  • plot_training_curves - 可视化损失和准确率曲线
  • visualize_predictions - 检查模型对样本的预测结果
超参数优化
  • tune_hyperparameters - 自动超参数搜索

配置

使用环境变量启用 GPU 加速：

MCP_USE_GPU=1 scicomp-neural-mcp

示例

📖 代码示例

请参阅 EXAMPLES.md 中的实用教程：

  • MNIST 数字识别（完整工作流）
  • 使用 ResNet 进行迁移学习
  • 超参数优化
  • 混淆矩阵分析
  • 渐进式学习路径（初级 → 高级）
📚 完整文档

完整的 API 参考请参阅 API 文档。

Math-Physics-ML MCP 系统的一部分

这是科学计算综合系统的一部分。完整生态请参阅文档。

评论

支持 Markdown

第一次接触 MCP？

从协议是什么，到在客户端里装上第一个服务，这几条回答覆盖了大多数入门问题。

一个开放协议，规定了 AI 应用如何以统一方式连接外部工具与数据源。客户端负责与模型对话，MCP 服务负责提供工具、资源和提示模板，两者通过标准消息通信，同一个服务可以被不同客户端复用。