seq2seq 是用 Python 编写的学习资料,用于系统学习与查阅。
A general-purpose encoder-decoder framework for Tensorflow
microsoft
Windows 效率工具集,提供窗口管理、批量重命名、取色器等系统增强功能。目前累计 14 万 star、8.7k fork,在本地项目库中星标排名约第 76 / 65722,主要语言为 C,项目始于 2019 年,采用 MIT 许可。最近状态:本周仍有提交。
适合谁:推荐给需要桌面端软件的团队:涉及 advanced-paste、color-picker、command-palette、desktop 方向。
按累计星标排序,库内共 65,729 个项目(GitHub 上星标 ≥ 1k 的公开仓库约 66,044 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。
seq2seq 是用 Python 编写的学习资料,用于系统学习与查阅。
A general-purpose encoder-decoder framework for Tensorflow
deep-learning-v2-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。
Projects and exercises for the latest Deep Learning ND program https://www.udacity.com/course/deep-learning-nanodegree--nd101
composer 是用 Python 编写的 AI 工具,用于人工智能方向的建模与推理。
Supercharge Your Model Training
tch-rs 是用 Rust 编写的 AI 工具,用于人工智能方向的建模与推理。
Rust bindings for the C++ api of PyTorch.
pointnet 是用 Python 编写的 AI 工具,用于人工智能方向的建模与推理。
PointNet: Deep Learning on Point Sets for 3D Classification and Segmentation
flashlight 是用 C++ 编写的 AI 工具,用于人工智能方向的建模与推理。
A C++ standalone library for machine learning
DeepLearning.ai-Summary 是用 Python 编写的学习资料,用于系统学习与查阅。
This repository contains my personal notes and summaries on DeepLearning.ai specialization courses. I've enjoyed every little bit of the course hope…
have-fun-with-machine-learning 是用 Python 编写的学习资料,用于系统学习与查阅。
An absolute beginner's guide to Machine Learning and Image Classification with Neural Networks
executorch 是用 Python 编写的 AI 工具,用于人工智能方向的建模与推理。
On-device AI across mobile, embedded and edge for PyTorch
mace 是用 C++ 编写的 AI 工具,用于人工智能方向的建模与推理。
MACE is a deep learning inference framework optimized for mobile heterogeneous computing platforms.
djl 是用 Java 编写的 AI 工具,用于人工智能方向的建模与推理。
An Engine-Agnostic Deep Learning Framework in Java
image-super-resolution 是用 Python 编写的 AI 工具,用于人工智能方向的建模与推理。
🔎 Super-scale your images and run experiments with Residual Dense and Adversarial Networks.
ignite 是用 Python 编写的 AI 工具,用于人工智能方向的建模与推理。
High-level library to help with training and evaluating neural networks in PyTorch flexibly and transparently.
【干货】史上最全的PyTorch学习资源汇总
【干货】史上最全的PyTorch学习资源汇总
不玩晦涩不搞少数派的 AI 入门圣经,从学生到工程师都能轻松掌握。涵盖神经网络到大模型、顶层设计到微观原理、工程实现到算法基础。 学完后,大家能彻底看懂为什么下一 token 预测这个看似不起眼的能力可以改变世界,也能发现原来 AI 并…
不玩晦涩不搞少数派的 AI 入门圣经,从学生到工程师都能轻松掌握。涵盖神经网络到大模型、顶层设计到微观原理、工程实现到算法基础。 学完后,大家能彻底看懂为什么下一 token 预测这个看似不起眼的能力可以改变世界,也能发现原来 AI 并没有想象中那么神秘、那么高不可攀。 Let's just b…
tiny-cuda-nn 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。
Lightning fast C++/CUDA neural network framework
framework 是用 C# 编写的 AI 工具,用于人工智能方向的建模与推理。
Machine learning, computer vision, statistics and general scientific computing for .NET
alpha-zero-general 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 clean implementation based on AlphaZero for any game in any framework + tutorial + Othello/Gobang/TicTacToe/Connect4 and more
monodepth2 是用 Jupyter Notebook 编写的 AI 工具,用于人工智能方向的建模与推理。
[ICCV 2019] Monocular depth estimation from a single image
TensorFlow-World 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。
:earth_americas: Simple and ready-to-use tutorials for TensorFlow
deepxde 是用 Python 编写的学习资料,用于系统学习与查阅。
A library for scientific machine learning and physics-informed learning
machine_learning_basics 是用 Jupyter Notebook 编写的 AI 工具,用于人工智能方向的建模与推理。
Plain python implementations of basic machine learning algorithms
neurojs 是用 JavaScript 编写的学习资料,用于系统学习与查阅。
A JavaScript deep learning and reinforcement learning library.
Tensorflow tutorial from basic to hard, 莫烦Python 中文AI教学
Tensorflow tutorial from basic to hard, 莫烦Python 中文AI教学
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 66,044 个,本站已收录 65,729 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。