Meta 开源的深度学习框架,动态图易用,研究领域使用最广。
Tensors and Dynamic neural networks in Python with strong GPU acceleration
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。
Meta 开源的深度学习框架,动态图易用,研究领域使用最广。
Tensors and Dynamic neural networks in Python with strong GPU acceleration
tvm 是用 Python 编写的学习资料,用于系统学习与查阅。
Open Machine Learning Compiler Framework
einops 是用 Python 编写的学习资料,用于系统学习与查阅,主打功能完整、可扩展。
Flexible and powerful tensor operations for readable and reliable code (for pytorch, jax, TF and others)
vespa 是用 Java 编写的数据库工具,用于数据存储与查询。
The AI search platform
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
MegEngine 是一个快速、可拓展、易于使用且支持自动求导的深度学习框架
MegEngine 是一个快速、可拓展、易于使用且支持自动求导的深度学习框架
nx 是用 Elixir 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。
Multi-dimensional arrays (tensors) and numerical definitions for Elixir
awesome-tensor-compilers 是一个学习资料,用于系统学习与查阅。
A list of awesome compiler projects and papers for tensor computation and deep learning.
llama2.mojo 是用 Mojo 编写的 AI 工具,用于大模型与智能体应用开发。
Inference Llama 2 in one file of pure 🔥
tensorly 是用 Python 编写的学习资料,用于系统学习与查阅。
TensorLy: Tensor Learning in Python.
taco 是用 C++ 编写的前端库,用于构建 Web 页面与界面。
The Tensor Algebra Compiler (taco) computes sparse tensor expressions on CPUs and GPUs
pytorch_fundamentals 是用 Jupyter Notebook 编写的学习资料,用于系统学习与查阅。
Introduction to PyTorch, covering tensor initialization, operations, indexing, and reshaping.
TenSEAL 是用 C++ 编写的学习资料,用于系统学习与查阅。
A library for doing homomorphic encryption operations on tensors
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。