AI 格式通常指的是人工智能模型的权重、结构和配置文件的保存格式。不同的 AI 框架可能使用不同的文件格式来存储这些信息。以下是一些常见的 AI 格式及其在线资源：

1、TensorFlow SavedModel
TensorFlow 使用 `SavedModel` 格式来保存模型，这是一种通用的序列化格式。
在线资源：
[TensorFlow SavedModel 文档](https://www.tensorflow.org/guide/saved_model)

2、PyTorch TorchScript
PyTorch 提供了 `torch.jit` 模块，可以将模型转换为 TorchScript 格式，支持离线推理。
在线资源：
[PyTorch TorchScript 文档](https://pytorch.org/docs/stable/jit.html)

3、ONNX (Open Neural Network Exchange)
ONNX 是一种开放格式，用于表示机器学习模型，支持在不同框架之间进行模型转换。
在线资源：
[ONNX 官方网站](https://onnx.ai/)
[ONNX 模型库](https://github.com/onnx/models)

4、TensorRT
NVIDIA 的 TensorRT 是一种高性能深度学习推理优化器和运行时，支持多种格式（包括 ONNX 和 TensorFlow）。
在线资源：
[NVIDIA TensorRT 官方文档](https://developer.nvidia.com/tensorrt)

5、Core ML
Apple 的 Core ML 格式用于 iOS iOS 和 macOS 设备上部署机器学习模型。
在线资源：
[Apple Core ML 文档](https://developer.apple.com/documentation/coreml)

6、Keras H5
Keras 模型通常以 `.h5` 文件格式保存。
在线资源：
[Keras 模型保存与加载文档](https://keras.io/api/models/model_saving_//)

7、**Magenta (Google)`
Magenta 是 Google 开发的一个用于生成音乐、艺术等创意内容的工具包，支持多种 AI 格式。
在线资源：
[Magenta GitHub](https://github.com/magenta/magenta)

如果你需要特定的 AI 格式或工具的支持，请告诉我更多细节，我可以为你提供更具体的指导！