faceswap 是用 Python 编写的学习资料,用于系统学习与查阅。
Deepfakes Software For All
microsoft
Visual Studio Code 编辑器源码,微软开源的跨平台代码编辑器。目前累计 19.4 万 star、4.5 万 fork,在本地项目库中星标排名约第 36 / 65707,主要语言为 TypeScript,项目始于 2015 年,采用 MIT 许可。最近状态:本周仍有提交。
适合谁:推荐给写代码与文档的人:涉及 editor、electron、microsoft、typescript 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。
faceswap 是用 Python 编写的学习资料,用于系统学习与查阅。
Deepfakes Software For All
AiLearning:数据分析+机器学习实战+线性代数+PyTorch+NLTK+TF2
AiLearning:数据分析+机器学习实战+线性代数+PyTorch+NLTK+TF2
VoxCPM 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。
VoxCPM2: Tokenizer-Free TTS for Multilingual Speech Generation, Creative Voice Design, and True-to-Life Cloning
netron 是用 JavaScript 编写的学习资料,用于系统学习与查阅。
Visualizer for neural network, deep learning and machine learning models
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
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.
Speech 是用 Python 编写的学习资料,用于系统学习与查阅,主打可伸缩。
A scalable generative AI framework built for researchers and developers working on Large Language Models, Multimodal, and Speech AI (Automatic Speec…
AirSim 是用 C++ 编写的 AI 工具,用于人工智能方向的建模与推理,主打开源免费。
Open source simulator for autonomous vehicles built on Unreal Engine / Unity, from Microsoft AI & Research
Machine-Learning-Tutorials 是一个 AI 工具,用于人工智能方向的建模与推理。
machine learning and deep learning tutorials, articles and other resources
深度学习入门教程, 优秀文章, Deep Learning Tutorial
深度学习入门教程, 优秀文章, Deep Learning Tutorial
horovod 是用 Python 编写的学习资料,用于系统学习与查阅,主打可伸缩。
Distributed training framework for TensorFlow, Keras, PyTorch, and Apache MXNet.
deeplearning4j 是用 Java 编写的学习资料,用于系统学习与查阅,主打轻量。
Suite of tools for deploying and training deep learning models using the JVM. Highlights include model import for keras, tensorflow, and onnx/pytorc…
mit-deep-learning-book-pdf 是用 Java 编写的学习资料,用于系统学习与查阅。
MIT Deep Learning Book in PDF format (complete and parts) by Ian Goodfellow, Yoshua Bengio and Aaron Courville
AI-Papers-of-the-Week 是一个 AI 工具,用于人工智能方向的建模与推理。
🔥Highlighting the top ML papers every week.
深度学习入门开源书,基于TensorFlow 2.0案例实战。Open source Deep Learning book, based on TensorFlow 2.0 framework.
深度学习入门开源书,基于TensorFlow 2.0案例实战。Open source Deep Learning book, based on TensorFlow 2.0 framework.
LangGPT: Empowering everyone to become a prompt expert! 🚀 📌 结构化提示词(Structured Prompt)提出者 📌 元提示词(Meta-Prompt)发起者 📌 …
LangGPT: Empowering everyone to become a prompt expert! 🚀 📌 结构化提示词(Structured Prompt)提出者 📌 元提示词(Meta-Prompt)发起者 📌 最流行的提示词落地范式 | Language of G…
Python 开源项目之「自学编程之路」,保姆级教程:AI实验室、宝藏视频、数据结构、学习指南、机器学习实战、深度学习实战、网络爬虫、大厂面经、程序人生、资源分享。
Python 开源项目之「自学编程之路」,保姆级教程:AI实验室、宝藏视频、数据结构、学习指南、机器学习实战、深度学习实战、网络爬虫、大厂面经、程序人生、资源分享。
ludwig 是用 Python 编写的学习资料,用于系统学习与查阅。
Low-code framework for building custom LLMs, neural networks, and other AI models
ChatGPT 中文指南🔥,ChatGPT 中文调教指南,指令指南,应用开发指南,精选资源清单,更好的使用 chatGPT 让你的生产力 up up up! 🚀
ChatGPT 中文指南🔥,ChatGPT 中文调教指南,指令指南,应用开发指南,精选资源清单,更好的使用 chatGPT 让你的生产力 up up up! 🚀
deep_learning_object_detection 是用 Python 编写的学习资料,用于系统学习与查阅。
A paper list of object detection using deep learning.
awesome-semantic-segmentation 是一个学习资料,用于系统学习与查阅。
:metal: awesome-semantic-segmentation
mit-deep-learning 是用 Jupyter Notebook 编写的学习资料,用于系统学习与查阅。
Tutorials, assignments, and competitions for MIT Deep Learning related courses.
introtodeeplearning 是用 Jupyter Notebook 编写的学习资料,用于系统学习与查阅。
Lab Materials for MIT 6.S191: Introduction to Deep Learning
optimate 是用 Python 编写的 AI 工具,用于人工智能方向的建模与推理。
A collection of libraries to optimise AI model performances
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。