PyTorchStepByStep 是用 Jupyter Notebook 编写的学习资料,用于系统学习与查阅。
Official repository of my book: "Deep Learning with PyTorch Step-by-Step: A Beginner's Guide"
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 65,741 个项目(GitHub 上星标 ≥ 1k 的公开仓库约 66,081 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。
PyTorchStepByStep 是用 Jupyter Notebook 编写的学习资料,用于系统学习与查阅。
Official repository of my book: "Deep Learning with PyTorch Step-by-Step: A Beginner's Guide"
torchstat 是用 Python 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。
Model analyzer in PyTorch
mmengine 是用 Python 编写的 AI 工具,用于人工智能方向的建模与推理。
OpenMMLab Foundational Library for Training Deep Learning Models
cnnimageretrieval-pytorch 是用 Python 编写的 AI 工具,用于人工智能方向的建模与推理。
CNN Image Retrieval in PyTorch: Training and evaluating CNNs for Image Retrieval in PyTorch
pygod 是用 Python 编写的学习资料,用于系统学习与查阅。
A Python Library for Graph Outlier Detection (Anomaly Detection)
fire-smoke-detect-yolov4-yolov5 and fire-smoke-detection-dataset 火灾检测,烟雾检测
fire-smoke-detect-yolov4-yolov5 and fire-smoke-detection-dataset 火灾检测,烟雾检测
DRL-code-pytorch 是用 Python 编写的学习资料,用于系统学习与查阅。
Concise pytorch implements of DRL algorithms, including REINFORCE, A2C, DQN, PPO(discrete and continuous), DDPG, TD3, SAC.
FuxiCTR 是用 Python 编写的代码库,提供可直接复用的能力。
A configurable, tunable, and reproducible library for CTR prediction https://fuxictr.github.io
CCNet 是用 Python 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。
CCNet: Criss-Cross Attention for Semantic Segmentation (TPAMI 2020 & ICCV 2019).
GANotebooks 是用 Jupyter Notebook 编写的学习资料,用于系统学习与查阅。
wgan, wgan2(improved, gp), infogan, and dcgan implementation in lasagne, keras, pytorch
torchtyping 是用 Python 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。
Type annotations and dynamic checking for a tensor's shape, dtype, names, etc.
ast 是用 Jupyter Notebook 编写的学习资料,用于系统学习与查阅。
Code for the Interspeech 2021 paper "AST: Audio Spectrogram Transformer".
PyTorch tutorials, examples and some books I found 【不定期更新】整理的PyTorch 最新版教程、例子和书籍
PyTorch tutorials, examples and some books I found 【不定期更新】整理的PyTorch 最新版教程、例子和书籍
torchsparse 是用 Cuda 编写的 AI 工具,用于大模型训练与推理。
[MICRO'23, MLSys'22] TorchSparse: Efficient Training and Inference Framework for Sparse Convolution on GPUs.
sglang-omni 是用 Python 编写的 AI 工具,用于大模型与智能体应用开发,主打高性能。
SGLang-Omni is a high-performance serving framework for audio models (TTS, ASR) and unified multimodal models.
Chatterbox-TTS-Server 是用 Python 编写的 AI 工具,用于大模型与智能体应用开发,主打易用、功能完整、可扩展。
Self-host the powerful Chatterbox TTS model. This server offers a user-friendly Web UI, flexible API endpoints (incl. OpenAI compatible), predefined…
利用pytorch实现图像分类的一个完整的代码,训练,预测,TTA,模型融合,模型部署,cnn提取特征,svm或者随机森林等进行分类,模型蒸馏,一个完整的代码
利用pytorch实现图像分类的一个完整的代码,训练,预测,TTA,模型融合,模型部署,cnn提取特征,svm或者随机森林等进行分类,模型蒸馏,一个完整的代码
bittensor 是用 Python 编写的 AI 工具,用于人工智能方向的建模与推理。
Internet-scale Neural Networks
attention-transfer 是用 Jupyter Notebook 编写的学习资料,用于系统学习与查阅。
Improving Convolutional Networks via Attention Transfer (ICLR 2017)
中文命名实体识别,实体抽取,tensorflow,pytorch,BiLSTM+CRF
中文命名实体识别,实体抽取,tensorflow,pytorch,BiLSTM+CRF
mlreef 是用 Kotlin 编写的学习资料,用于系统学习与查阅。
The collaboration workspace for Machine Learning
AI-Engineering 是用 Jupyter Notebook 编写的 AI 工具,用于人工智能方向的建模与推理。
A group of notebooks and other files which can help you learn AI from scratch.
gloo 是用 C++ 编写的代码库,提供可直接复用的能力。
Collective communications library with various primitives for multi-machine training.
nerfacc 是用 Python 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。
A General NeRF Acceleration Toolbox in PyTorch.
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 66,081 个,本站已收录 65,741 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。