best-of-ml-python 是一个学习资料,用于系统学习与查阅。
🏆 A ranked list of awesome machine learning Python libraries. Updated weekly.
practical-tutorials
项目驱动学习教程合集,通过一步步做完整项目来掌握一门技术。目前累计 28.8 万 star、3.7 万 fork,在本地项目库中星标排名约第 16 / 65705,主要语言为 Python,项目始于 2017 年,采用 MIT 许可。最近状态:本周仍有提交。
适合谁:推荐给想补齐某块知识的开发者:涉及 beginner-project、cpp、golang、javascript 方向。
按累计星标排序,库内共 65,707 个项目(GitHub 上星标 ≥ 1k 的公开仓库约 65,980 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。
best-of-ml-python 是一个学习资料,用于系统学习与查阅。
🏆 A ranked list of awesome machine learning Python libraries. Updated weekly.
deepface 是用 Python 编写的学习资料,用于系统学习与查阅,主打轻量。
A Lightweight Face Recognition and Facial Attribute Analysis (Age, Gender, Emotion and Race) Library for Python
learnopencv 是用 Jupyter Notebook 编写的 AI 工具,用于人工智能方向的建模与推理。
Learn OpenCV : C++ and Python Examples
CVPR 2026 论文和开源项目合集
CVPR 2026 论文和开源项目合集
awesome-ai-engineering 是一个 AI 工具,用于大模型与智能体应用开发。
🚀 A curated collection of AI engineering resources, roadmaps, tools, and projects covering LLMs, RAG, AI Agents, MCP, fine-tuning, evaluations, and…
100-Days-Of-ML-Code中文版
100-Days-Of-ML-Code中文版
onnxruntime 是用 C++ 编写的 AI 工具,用于人工智能方向的建模与推理,主打高性能、跨平台。
ONNX Runtime: cross-platform, high performance ML inferencing and training accelerator
datasets 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、易用。
🤗 The largest hub of ready-to-use datasets for AI models with fast, easy-to-use and efficient data manipulation tools
recommenders 是用 Python 编写的 AI 工具,用于人工智能方向的建模与推理。
Best Practices on Recommendation Systems
serve 是用 Python 编写的运维工具,用于部署、编排与监控。
☁️ Build multimodal AI applications with cloud-native stack
pytorch handbook是一本开源的书籍,目标是帮助那些希望和使用PyTorch进行深度学习开发和研究的朋友快速入门,其中包含的Pytorch教程全部通过测试保证可以成功运行
pytorch handbook是一本开源的书籍,目标是帮助那些希望和使用PyTorch进行深度学习开发和研究的朋友快速入门,其中包含的Pytorch教程全部通过测试保证可以成功运行
onnx 是用 Python 编写的 AI 工具,用于人工智能方向的建模与推理。
Open standard for machine learning interoperability
machine-learning-for-trading 是用 Jupyter Notebook 编写的学习资料,用于系统学习与查阅。
Code for Machine Learning for Trading, 3rd edition — from data sourcing to live execution.
程序员鱼皮的 AI 资源大全 + Vibe Coding 零基础教程,分享 OpenClaw 保姆级教程、大模型玩法(DeepSeek / GPT / Gemini / Claude / GLM)、最新 AI 资讯、Prompt 提示词…
程序员鱼皮的 AI 资源大全 + Vibe Coding 零基础教程,分享 OpenClaw 保姆级教程、大模型玩法(DeepSeek / GPT / Gemini / Claude / GLM)、最新 AI 资讯、Prompt 提示词大全、AI 知识百科(Agent Skills / RAG …
awesome-production-machine-learning 是一个学习资料,用于系统学习与查阅,主打开源免费。
A curated list of awesome open source libraries to deploy, monitor, version and scale your machine learning
stanford-cs-229-machine-learning 是一个学习资料,用于系统学习与查阅。
VIP cheatsheets for Stanford's CS 229 Machine Learning
ml-agents 是用 C# 编写的学习资料,用于系统学习与查阅,主打开源免费。
The Unity Machine Learning Agents Toolkit (ML-Agents) is an open-source project that enables games and simulations to serve as environments for trai…
本项目将《动手学深度学习》(Dive into Deep Learning)原书中的MXNet实现改为PyTorch实现。
本项目将《动手学深度学习》(Dive into Deep Learning)原书中的MXNet实现改为PyTorch实现。
邱锡鹏《神经网络与深度学习》第二版与通识版:电子书、章节目录、学习资源与勘误。
邱锡鹏《神经网络与深度学习》第二版与通识版:电子书、章节目录、学习资源与勘误。
DeepFaceLab 是用 Python 编写的学习资料,用于系统学习与查阅。
DeepFaceLab is the leading software for creating deepfakes.
web-llm 是用 TypeScript 编写的学习资料,用于系统学习与查阅,主打高性能。
High-performance In-browser LLM Inference Engine
pytorch-deep-learning 是用 Jupyter Notebook 编写的学习资料,用于系统学习与查阅。
Materials for the Learn PyTorch for Deep Learning: Zero to Mastery course.
tfjs 是用 TypeScript 编写的 AI 工具,用于人工智能方向的建模与推理。
A WebGL accelerated JavaScript library for training and deploying ML models.
awesome-nlp 是一个 AI 工具,用于人工智能方向的建模与推理。
:book: A curated list of resources dedicated to Natural Language Processing (NLP)
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 65,980 个,本站已收录 65,707 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。