NeuronBlocks 是用 Python 编写的 AI 工具,用于人工智能方向的建模与推理。
NLP DNN Toolkit - Building Your NLP DNN Models Like Playing Lego
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 65,744 个项目(GitHub 上星标 ≥ 1k 的公开仓库约 66,086 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。
NeuronBlocks 是用 Python 编写的 AI 工具,用于人工智能方向的建模与推理。
NLP DNN Toolkit - Building Your NLP DNN Models Like Playing Lego
pytorch_image_classification 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 image classification models for CIFAR-10/CIFAR-100/MNIST/FashionMNIST/Kuzushiji-MNIST/ImageNet
AMD-SHARK-Studio 是用 Python 编写的学习资料,用于系统学习与查阅,主打高性能。
AMD-SHARK Studio -- Web UI for SHARK+IREE High Performance Machine Learning Distribution
bert-extractive-summarizer 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,主打易用。
Easy to use extractive text summarization with BERT
cnn-lstm-bilstm-deepcnn-clstm-in-pytorch 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。
In PyTorch Learing Neural Networks Likes CNN、BiLSTM
redner 是用 NASL 编写的 AI 工具,用于人工智能方向的建模与推理。
Differentiable rendering without approximation.
Federated-Learning-PyTorch 是用 Python 编写的学习资料,用于系统学习与查阅。
Implementation of Communication-Efficient Learning of Deep Networks from Decentralized Data
EfficientDet.Pytorch 是用 Python 编写的 AI 工具,用于人工智能方向的建模与推理,主打可伸缩。
Implementation EfficientDet: Scalable and Efficient Object Detection in PyTorch
Voice-Cloning-App 是用 Python 编写的学习资料,用于系统学习与查阅。
A Python/Pytorch app for easily synthesising human voices
wespeaker 是用 Python 编写的实用工具,用于解决具体场景问题。
Research and Production Oriented Speaker Verification, Recognition and Diarization Toolkit
functorch 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。
functorch is JAX-like composable function transforms for PyTorch.
data-science-portfolio 是用 Jupyter Notebook 编写的 AI 工具,用于人工智能方向的建模与推理。
Portfolio of data science projects completed by me for academic, self learning, and hobby purposes.
Pre-trained Chinese ELECTRA(中文ELECTRA预训练模型)
Pre-trained Chinese ELECTRA(中文ELECTRA预训练模型)
simplerecon 是用 Python 编写的 AI 工具,用于人工智能方向的建模与推理。
[ECCV 2022] SimpleRecon: 3D Reconstruction Without 3D Convolutions
Dassl.pytorch 是用 Python 编写的 AI 工具,用于人工智能方向的建模与推理。
A PyTorch toolbox for domain generalization, domain adaptation and semi-supervised learning.
pytorch-ssd 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。
MobileNetV1, MobileNetV2, VGG based SSD/SSD-lite implementation in Pytorch 1.0 / Pytorch 0.4. Out-of-box support for retraining on Open Images datas…
ml-aim 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。
This repository provides the code and model checkpoints for AIMv1 and AIMv2 research projects.
torchgan 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。
Research Framework for easy and efficient training of GANs based on Pytorch
KoBERT 是用 Python 编写的 AI 工具,用于人工智能方向的建模与推理。
Korean BERT pre-trained cased (KoBERT)
RFBNet 是用 Python 编写的移动端方案,用于移动应用开发,主打速度快。
Receptive Field Block Net for Accurate and Fast Object Detection, ECCV 2018
pytorch-widedeep 是用 Python 编写的 AI 工具,用于人工智能方向的建模与推理,主打可扩展。
A flexible package for multimodal-deep-learning to combine tabular data with text and images using Wide and Deep models in Pytorch
spacy-transformers 是用 Python 编写的 AI 工具,用于人工智能方向的建模与推理。
🛸 Use pretrained transformers like BERT, XLNet and GPT-2 in spaCy
PyTorch 是用 Jupyter Notebook 编写的学习资料,用于系统学习与查阅。
Deep Learning Zero to All - Pytorch
LovaszSoftmax 是用 Jupyter Notebook 编写的 AI 工具,用于人工智能方向的建模与推理。
Code for the Lovász-Softmax loss (CVPR 2018)
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 66,086 个,本站已收录 65,744 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。