PyTorch 官方中文教程包含 60 分钟快速入门教程,强化教程,计算机视觉,自然语言处理,生成对抗网络,强化学习。欢迎 Star,Fork!
PyTorch 官方中文教程包含 60 分钟快速入门教程,强化教程,计算机视觉,自然语言处理,生成对抗网络,强化学习。欢迎 Star,Fork!
yangshun
面向忙碌工程师的面试准备资料,含算法、行为面试与简历建议。目前累计 14.3 万 star、1.7 万 fork,在本地项目库中星标排名约第 72 / 65730,主要语言为 TypeScript,项目始于 2016 年,采用 MIT 许可。最近状态:近半年有提交。
适合谁:推荐给想补齐某块知识的开发者:涉及 algorithm、algorithm-interview、algorithm-interview-questions、algorithms 方向。
按累计星标排序,库内共 65,739 个项目(GitHub 上星标 ≥ 1k 的公开仓库约 66,076 个)。
优先使用本地记录的星标快照计算近 7 天真实增量;快照不足 7 天时,按「创建以来日均获星」估算,数值旁会标注口径。
已收录 GitHub 星标过千的公开项目,附原始简介、语言、主题与活跃度。用一句自然语言描述需求,即可获得 AI 推荐。
PyTorch 官方中文教程包含 60 分钟快速入门教程,强化教程,计算机视觉,自然语言处理,生成对抗网络,强化学习。欢迎 Star,Fork!
PyTorch 官方中文教程包含 60 分钟快速入门教程,强化教程,计算机视觉,自然语言处理,生成对抗网络,强化学习。欢迎 Star,Fork!
vall-e 是用 Python 编写的多媒体工具,用于处理音视频内容。
An unofficial PyTorch implementation of the audio LM VALL-E
tabnet 是用 Python 编写的 AI 工具,用于人工智能方向的建模与推理。
PyTorch implementation of TabNet paper : https://arxiv.org/pdf/1908.07442.pdf
audio 是用 Python 编写的多媒体工具,用于处理音视频内容。
Data manipulation and transformation for audio signal processing, powered by PyTorch
🔥🔥🔥 专注于YOLO11,YOLOv8、TYOLOv12、YOLOv10、RT-DETR、YOLOv7、YOLOv5改进模型,Support to improve backbone, neck, head, loss, IoU,…
🔥🔥🔥 专注于YOLO11,YOLOv8、TYOLOv12、YOLOv10、RT-DETR、YOLOv7、YOLOv5改进模型,Support to improve backbone, neck, head, loss, IoU, NMS and other modules🚀
torchinfo 是用 Python 编写的可视化工具,用于图表与数据展示。
View model summaries in PyTorch!
DeepNLP-models-Pytorch 是用 Jupyter Notebook 编写的 AI 工具,用于人工智能方向的建模与推理。
Pytorch implementations of various Deep NLP models in cs-224n(Stanford Univ)
nlp-architect 是用 Python 编写的 AI 工具,用于人工智能方向的建模与推理。
A model library for exploring state-of-the-art deep learning topologies and techniques for optimizing Natural Language Processing neural networks
s4 是用 Jupyter Notebook 编写的开源项目,主题标签有限,建议打开仓库查看具体用途。
Structured state space sequence models
BigGAN-PyTorch 是用 Python 编写的 AI 工具,用于人工智能方向的建模与推理。
The author's officially unofficial PyTorch BigGAN implementation.
nx 是用 Elixir 编写的开源项目,主题标签有限,建议打开仓库查看具体用途。
Multi-dimensional arrays (tensors) and numerical definitions for Elixir
tensorRT_Pro 是用 C++ 编写的学习资料,用于系统学习与查阅。
C++ library based on tensorrt integration
rl-baselines3-zoo 是用 Python 编写的学习资料,用于系统学习与查阅,主打适合生产环境。
A training framework for Stable Baselines3 reinforcement learning agents, with hyperparameter optimization and pre-trained agents included.
Whisper-WebUI 是用 Python 编写的 AI 工具,用于人工智能方向的建模与推理,主打易用。
A Web UI for easy subtitle using whisper model.
learn2learn 是用 Python 编写的学习资料,用于系统学习与查阅。
A PyTorch Library for Meta-learning Research
a-PyTorch-Tutorial-to-Image-Captioning 是用 Python 编写的学习资料,用于系统学习与查阅。
Show, Attend, and Tell | a PyTorch Tutorial to Image Captioning
neuralcoref 是用 C 编写的 AI 工具,用于人工智能方向的建模与推理,主打速度快。
✨Fast Coreference Resolution in spaCy with Neural Networks
AIGC-interview/CV-interview/LLMs-interview面试问题与答案集合仓,同时包含工作和科研过程中的新想法、新问题、新资源与新项目
AIGC-interview/CV-interview/LLMs-interview面试问题与答案集合仓,同时包含工作和科研过程中的新想法、新问题、新资源与新项目
thinc 是用 Python 编写的 AI 工具,用于人工智能方向的建模与推理。
🔮 A refreshing functional take on deep learning, compatible with your favorite libraries
code-of-learn-deep-learning-with-pytorch 是用 Jupyter Notebook 编写的学习资料,用于系统学习与查阅。
This is code of book "Learn Deep Learning with PyTorch"
adapters 是用 Python 编写的 AI 工具,用于人工智能方向的建模与推理。
A Unified Library for Parameter-Efficient and Modular Transfer Learning
deep-learning-book 是用 Jupyter Notebook 编写的 AI 工具,用于人工智能方向的建模与推理。
Repository for "Introduction to Artificial Neural Networks and Deep Learning: A Practical Guide with Applications in Python"
Detectron.pytorch 是用 Python 编写的 AI 模型,提供可直接使用的模型与权重。
A pytorch implementation of Detectron. Both training from scratch and inferring directly from pretrained Detectron weights are available.
xla 是用 C++ 编写的学习资料,用于系统学习与查阅。
Enabling PyTorch on XLA Devices (e.g. Google TPU)
项目列表来自 GitHub 官方 Search API(stars:>1000)。单个查询最多只能返回前 1000 条,所以「同步热门」取到的是星标最高的 1000 个;要拿全量必须按星标区间拆成多个查询——本站会先查各区间的真实数量再自动切分(1k–2k 约 3.2 万个,2k–5k 约 2.1 万个,5k–20k 约 1 万个,2 万以上约 2300 个)。GitHub 上星标过千的公开仓库当前约 66,076 个,本站已收录 65,739 个。星标、简介、语言与主题均为 GitHub 原始字段,未做人工逐一核验。
中文介绍分三种来源,卡片与详情页均有标注:热门项目使用本站人工维护的条目;其余项目由程序依据语言、主题、简介中的特征词与项目数据自动生成;仓库原简介本身是中文时直接引用原文。自动生成的介绍只是对公开字段的归纳,不代表项目方表述,也不构成选型结论。
每日推荐按北京时间每天从星标 6000 以上、近 18 个月仍有提交且未归档的项目中选取,排除近 120 天已推荐过的项目,同一天内结果固定。推荐结果由规则引擎(或配置的大模型)生成,不构成选型结论。
每天每台设备可免费检索 3 次,浏览、筛选和关键词查找不消耗额度。选择下方任一方案即可继续(当前为模拟支付)。
模拟支付不会接入真实渠道,也不会产生任何扣款。