SiamMask 是用 Python 编写的 AI 工具,用于人工智能方向的建模与推理,主打速度快。
[CVPR19/TPAMI23] SiamMask: A Framework for Fast Online Object Tracking and Segmentation
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。
SiamMask 是用 Python 编写的 AI 工具,用于人工智能方向的建模与推理,主打速度快。
[CVPR19/TPAMI23] SiamMask: A Framework for Fast Online Object Tracking and Segmentation
ml-workspace 是用 Jupyter Notebook 编写的学习资料,用于系统学习与查阅。
🛠 All-in-one web-based IDE specialized for machine learning and data science.
《神经网络与深度学习:案例与实践》第二版:10 章 PyTorch 实践、Notebook、测试与电子书。
《神经网络与深度学习:案例与实践》第二版:10 章 PyTorch 实践、Notebook、测试与电子书。
scikit-llm 是用 Python 编写的 AI 工具,用于人工智能方向的建模与推理。
Seamlessly integrate LLMs into scikit-learn.
KAIR 是用 Python 编写的学习资料,用于系统学习与查阅。
Image Restoration Toolbox (PyTorch). Training and testing codes for DPIR, USRNet, DnCNN, FFDNet, SRMD, DPSR, BSRGAN, SwinIR
zhihu 是用 Jupyter Notebook 编写的 AI 工具,用于人工智能方向的建模与推理。
This repo contains the source code in my personal column (https://zhuanlan.zhihu.com/zhaoyeyu), implemented using Python 3.6. Including Natural Lang…
ALAE 是用 Python 编写的 AI 工具,用于人工智能方向的建模与推理。
[CVPR2020] Adversarial Latent Autoencoders
校招、秋招、春招、实习好项目!带你从零实现一个高性能的深度学习推理库,支持大模型 llama2 、Unet、Yolov5、Resnet等模型的推理。Implement a high-performance deep learning i…
校招、秋招、春招、实习好项目!带你从零实现一个高性能的深度学习推理库,支持大模型 llama2 、Unet、Yolov5、Resnet等模型的推理。Implement a high-performance deep learning inference library step by step
machine-learning 是用 HTML 编写的学习资料,用于系统学习与查阅。
:earth_americas: machine learning tutorials (mainly in Python3)
pennylane 是用 Python 编写的 AI 工具,用于人工智能方向的建模与推理,主打开源免费。
PennyLane is an open-source quantum software platform for quantum computing, quantum machine learning, and quantum chemistry. Create meaningful quan…
min-dalle 是用 Python 编写的 AI 工具,用于人工智能方向的建模与推理,主打速度快、轻量。
min(DALL·E) is a fast, minimal port of DALL·E Mini to PyTorch
LSTM-Human-Activity-Recognition 是用 Jupyter Notebook 编写的 AI 工具,用于人工智能方向的建模与推理。
Human Activity Recognition example using TensorFlow on smartphone sensors dataset and an LSTM RNN. Classifying the type of movement amongst six acti…
PyTorch-StudioGAN 是用 Python 编写的学习资料,用于系统学习与查阅。
StudioGAN is a Pytorch library providing implementations of representative Generative Adversarial Networks (GANs) for conditional/unconditional imag…
mmyolo 是用 Python 编写的学习资料,用于系统学习与查阅。
OpenMMLab YOLO series toolbox and benchmark. Implemented RTMDet, RTMDet-Rotated,YOLOv5, YOLOv6, YOLOv7, YOLOv8,YOLOX, PPYOLOE, etc.
tensorwatch 是用 Jupyter Notebook 编写的学习资料,用于系统学习与查阅。
Debugging, monitoring and visualization for Python Machine Learning and Data Science
picoGPT 是用 Python 编写的 AI 工具,用于人工智能方向的建模与推理,主打轻量。
An unnecessarily tiny implementation of GPT-2 in NumPy.
DeepCTR-Torch 是用 Python 编写的学习资料,用于系统学习与查阅,主打易用。
【PyTorch】Easy-to-use,Modular and Extendible package of deep-learning based CTR models.
AI-Optimizer 是用 Python 编写的学习资料,用于系统学习与查阅。
The next generation deep reinforcement learning tookit
colorization 是用 Python 编写的 AI 工具,用于人工智能方向的建模与推理。
Automatic colorization using deep neural networks. "Colorful Image Colorization." In ECCV, 2016.
adanet 是用 Jupyter Notebook 编写的学习资料,用于系统学习与查阅,主打速度快、可扩展。
Fast and flexible AutoML with learning guarantees.
Otter 是用 Python 编写的学习资料,用于系统学习与查阅。
🦦 Otter, a multi-modal model based on OpenFlamingo (open-sourced version of DeepMind's Flamingo), trained on MIMIC-IT and showcasing improved instr…
ML-Notebooks 是用 Jupyter Notebook 编写的 AI 工具,用于人工智能方向的建模与推理。
:fire: Machine Learning Notebooks
geoai 是用 Python 编写的 AI 工具,用于人工智能方向的建模与推理。
GeoAI: Artificial Intelligence for Geospatial Data
免费学代码系列:小白python入门、数据分析data analyst、机器学习machine learning、深度学习deep learning、kaggle实战
免费学代码系列:小白python入门、数据分析data analyst、机器学习machine learning、深度学习deep learning、kaggle实战
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。