Neural-Network-Architecture-Diagrams 是一个 AI 工具,用于人工智能方向的建模与推理。
Diagrams for visualizing neural network architecture
ggml-org
用 C/C++ 实现的大模型推理引擎,主打本地与低资源环境运行。目前累计 13.3 万 star、2.5 万 fork,在本地项目库中星标排名约第 83 / 65744,主要语言为 C++,项目始于 2023 年,采用 MIT 许可。最近状态:本周仍有提交。
适合谁:推荐给做 AI 应用的开发者:涉及 ggml 方向。
按累计星标排序,库内共 65,749 个项目(GitHub 上星标 ≥ 1k 的公开仓库约 66,101 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。
Neural-Network-Architecture-Diagrams 是一个 AI 工具,用于人工智能方向的建模与推理。
Diagrams for visualizing neural network architecture
earth2studio 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。
Open-source deep-learning framework for exploring, building and deploying AI weather/climate workflows.
DeblurGANv2 是用 Python 编写的学习资料,用于系统学习与查阅,主打速度快。
[ICCV 2019] "DeblurGAN-v2: Deblurring (Orders-of-Magnitude) Faster and Better" by Orest Kupyn, Tetiana Martyniuk, Junru Wu, Zhangyang Wang
yolo-9000 是一个学习资料,用于系统学习与查阅,主打速度快、实时。
YOLO9000: Better, Faster, Stronger - Real-Time Object Detection. 9000 classes!
DeepGTAV 是用 C++ 编写的学习资料,用于系统学习与查阅。
A plugin for GTAV that transforms it into a vision-based self-driving car research environment.
variational-autoencoder 是用 Python 编写的 AI 工具,用于人工智能方向的建模与推理,主打实现清晰。
Variational autoencoder implemented in tensorflow and pytorch (including inverse autoregressive flow)
awesome-architecture-search 是一个学习资料,用于系统学习与查阅。
A curated list of awesome architecture search resources
deepdow 是用 Python 编写的学习资料,用于系统学习与查阅。
Portfolio optimization with deep learning.
Repo-2017 是用 Python 编写的 AI 工具,用于人工智能方向的建模与推理。
My first Python repo with codes in Machine Learning, NLP and Deep Learning with Keras and Theano
deep_gcns_torch 是用 Python 编写的 AI 工具,用于人工智能方向的建模与推理。
Pytorch Repo for DeepGCNs (ICCV'2019 Oral, TPAMI'2021), DeeperGCN (arXiv'2020) and GNN1000(ICML'2021): https://www.deepgcns.org
seqeval 是用 Python 编写的学习资料,用于系统学习与查阅。
A Python framework for sequence labeling evaluation(named-entity recognition, pos tagging, etc...)
backdoor-learning-resources 是一个学习资料,用于系统学习与查阅。
A list of backdoor learning resources
performer-pytorch 是用 Python 编写的 AI 工具,用于人工智能方向的建模与推理。
An implementation of Performer, a linear attention-based transformer, in Pytorch
five-video-classification-methods 是用 Python 编写的学习资料,用于系统学习与查阅。
Code that accompanies my blog post outlining five video classification methods in Keras and TensorFlow
PyRetri 是用 Python 编写的学习资料,用于系统学习与查阅,主打开源免费。
Open source deep learning based unsupervised image retrieval toolbox built on PyTorch🔥
temperature_scaling 是用 Python 编写的学习资料,用于系统学习与查阅,主打易用。
A simple way to calibrate your neural network.
robustness 是用 Python 编写的 AI 工具,用于人工智能方向的建模与推理。
Corruption and Perturbation Robustness (ICLR 2019)
torch-audiomentations 是用 Python 编写的多媒体工具,用于处理音视频内容,主打速度快。
Fast audio data augmentation in PyTorch. Inspired by audiomentations. Useful for deep learning.
EEG-DL 是用 Python 编写的 AI 工具,用于人工智能方向的建模与推理。
A Deep Learning library for EEG Tasks (Signals) Classification, based on TensorFlow.
Deep-Learning-Paper-Review-and-Practice 是用 Jupyter Notebook 编写的 AI 工具,用于人工智能方向的建模与推理。
꼼꼼한 딥러닝 논문 리뷰와 코드 실습
《机器学习宝典》包含:谷歌机器学习速成课程(招式)+机器学习术语表(口诀)+机器学习规则(心得)+机器学习中的常识性问题 (内功)。该资源适用于机器学习、深度学习研究人员和爱好者参考!
《机器学习宝典》包含:谷歌机器学习速成课程(招式)+机器学习术语表(口诀)+机器学习规则(心得)+机器学习中的常识性问题 (内功)。该资源适用于机器学习、深度学习研究人员和爱好者参考!
clean-fid 是用 Python 编写的 AI 工具,用于人工智能方向的建模与推理。
PyTorch - FID calculation with proper image resizing and quantization steps [CVPR 2022]
Bigscity-LibCity 是用 Python 编写的学习资料,用于系统学习与查阅。
LibCity: An Open Library for Urban Spatial-temporal Data Mining
VITON-HD 是用 Python 编写的学习资料,用于系统学习与查阅。
Official PyTorch implementation of "VITON-HD: High-Resolution Virtual Try-On via Misalignment-Aware Normalization" (CVPR 2021)
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 66,101 个,本站已收录 65,749 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。