deep-learning 第 12 页
本站收录 815 个带「deep-learning」标签的 AI 开源项目（按 GitHub 星标从高到低，第 12 / 17 页）
Data-science-ML-and-DL-Resources这是一个面向机器学习、深度学习和数据科学学习者的免费资源集合仓库。它系统地整理了笔记、课程、视频、项目、文章和代码仓库链接，覆盖了从Python、SQL基础到C★ 200
HugsVisionHugsVision 是一个基于 Hugging Face 生态的计算机视觉工具包装库，旨在让开发者用极简的代码调用最新的视觉模型。它解决了传统视觉任务中模型集★ 199
Video2MusicVideo2Music 是一个基于情感多模态 Transformer 模型的视频配乐生成工具，旨在解决视频自动生成适配音乐的问题。它通过分析视频中的视觉内容（如★ 198
ML-Model-CIMLModelCI 是一个面向机器学习服务的 MLOps 平台，旨在打通模型训练与线上部署之间的断层。它提供模型管理、格式转换、性能剖析和自动部署等一站式能力，★ 198
OnnxTROnnxTR 是 docTR 文档文本识别库的 ONNX 推理管线封装，目标是在不依赖深度学习训练框架的前提下提供高性能、易接入的 OCR 能力。它把 docT★ 198
DistanceGANDistanceGAN 是论文《One-Sided Unsupervised Domain Mapping》（NIPS 2017）的 PyTorch 实现，用于★ 194
PhysioWavePhysioWave 是一个面向生理信号表示学习的多尺度小波-Transformer 模型，发表于 NeurIPS 2025。它旨在解决生理信号（如 ECG、E★ 194
scene_generation这是一个基于PyTorch的交互式场景生成模型实现，对应ICCV 2019论文《Specifying Object Attributes and Relatio★ 193
musicaizmusicaiz 是一个面向符号音乐生成、评估与分析的 Python 框架。它解决了音乐研究者与开发者在构建音乐生成模型时缺乏统一工具链的问题，提供从数据加载、★ 193
LLM-DropLLM-Drop 是论文《Uncovering the Redundancy in Transformers via a Unified Study of La★ 193
MMVIDMMVID是一个基于多模态条件约束的视频生成开源项目，来自CVPR 2022论文。它解决的核心问题是：如何根据文本描述和参考图像，生成与内容语义一致、且具有合理★ 191
tracemlTraceML 是一个开源的 PyTorch 训练性能诊断工具，旨在帮助开发者定位和解决训练过程中的性能瓶颈。它通过自动捕获和分析训练运行时的性能数据，提供可视★ 189
pytorch-dc-ttspytorch-dc-tts 是一个基于 PyTorch 实现的文本转语音（TTS）项目，支持英语和蒙古语。它复现了 DC-TTS（Deep Convoluti★ 186
titok-pytorchTiTok 是字节跳动提出的图像分词模型，核心思想是将图像压缩为极少的 token（如 32 个），用于图像重建和生成。本仓库是其 PyTorch 实现，解决了★ 184
LLM-ToolsLLM-Tools 是一个开源的计算器工具，专门用于估算大型语言模型（LLM）系统的硬件需求。它解决了在部署 LLM 时，用户难以准确计算所需的 GPU 显存、★ 183
latent-pose-reenactment这是CVPR 2020论文《Neural Head Reenactment with Latent Pose Descriptors》的官方实现，用于数字人头部★ 181
ImagenHubImagenHub 是一个一站式条件图像生成模型推理与评估库，旨在标准化各类条件图像生成模型的调用和评测流程。它解决了当前图像生成领域模型众多、接口不一、评估指★ 180
Awesome-Multimodal-Urban-Computing这是一个聚焦多模态城市计算的专业资源清单，系统整理了多模态数据融合模型与关键数据集。它解决了城市计算研究中数据来源多样、融合方法分散、数据集查找困难的问题，为研★ 180
prompt-extendprompt-extend 是一个基于文本生成技术为 Stable Diffusion 扩展提示词的开源工具。它利用 GPT-2 模型，根据用户输入的基础提示词★ 177
GestureGANGestureGAN 是一个基于生成对抗网络（GAN）的手势到手势转换工具，发表于 ACM MM 2018（Oral）。它解决的是在自然场景（非受控环境）中，如★ 176
polynomial_netsΠ-nets（多项式神经网络）是CVPR'20论文的官方实现，并扩展至T-PAMI-21版本。该项目旨在用多项式函数替代传统神经网络中的非线性激活和权重组合，通★ 174
lucidalucida 是一个基于 BiRefNet 微调的图像抠图工具，专注于处理传统背景移除方法容易失败的复杂场景，如玻璃、迷彩、文字、发光物体和线条艺术。它利用高精★ 174
BVAE-TTSBVAE-TTS 是一个基于 PyTorch 的文本转语音（TTS）开源项目，是论文的官方实现。它采用贝叶斯变分自编码器（BVAE）框架，旨在解决传统 TTS ★ 173
Video-Generation-Paper-List这是一个视频生成领域的前沿论文追踪列表，持续收录CVPR、ICCV、ECCV、NeurIPS、ICLR等顶级会议及arXiv上的最新研究成果。项目按研究方向（如★ 171
rapidfireaiRapidFire AI 是一个面向开发者的 AI 定制化平台，旨在简化从 RAG（检索增强生成）到模型微调的整个流程。它解决了 AI 应用落地过程中定制化门槛★ 171
Synthesize3DviaDepthOrSil这是一个2017年CVPR论文的开源实现，用于通过多视图深度图或轮廓图来生成和重建3D形状。项目核心是训练一个生成对抗网络（GAN）和变分自编码器（VAE）模型★ 171
ETOETO 是一个面向 LLM Agent 的轨迹优化框架，基于试错探索机制，通过让智能体在环境中主动尝试、犯错并修正，逐步优化其决策轨迹。它解决了当前 LLM A★ 170
pymiloPyMilo 是一个专注于机器学习模型序列化与反序列化的 Python 库，旨在解决不同 ML 框架（如 scikit-learn、XGBoost 等）模型在保★ 170
clearml-servingClearML Serving 是 ClearML 生态中的模型服务编排与仓库解决方案，用于将训练好的机器学习模型部署为生产级推理服务。它解决的是模型从实验到上★ 170
NLP-pretrained-model这是一个自然语言处理预训练模型的集合仓库，收录了基于Keras、MXNet等深度学习框架的多种预训练模型，涵盖词向量、句向量、文本分类等常见NLP任务。项目旨在★ 169
intro_pharma_aiintro_pharma_ai 是一套面向生命科学学生的深度学习入门 Jupyter Notebook 教程集合，目标是把药学、生物、化学背景的学习者带入 AI★ 169
MSMC-TTSMSMC-TTS 是一个多阶段多码本（Multi-Stage Multi-Codebook）的语音合成（TTS）开源项目，基于深度学习与 GAN 架构，结合 V★ 168
ssl-wearablesssl-wearables 是一个面向可穿戴设备数据的自监督学习开源项目，基于英国生物银行（UK-Biobank）超过70万人天的加速度计数据构建。它解决了可穿★ 168
weightslabweightslab 是一个面向 AI 工程师的数据处理基础设施，专注于处理真实世界中杂乱的数据，包括图像、视频和 LiDAR 点云。它解决了 AI 项目在数据★ 168
aws-ml-jpaws-ml-jp 是一个面向日语用户的 Amazon SageMaker 学习资源集合，包含 Jupyter Notebook 示例和配套教材，旨在帮助开发者★ 168
rag-interview-system这是一个面向RAG（检索增强生成）技术面试的题库与学习资源合集，包含548道面试题、41种RAG类型、系统设计场景、架构模式及生产级概念。项目以Jupyter ★ 167
pixelCNNpixelCNN 是一个基于 Theano 重新实现的 PixelCNN 图像生成模型。PixelCNN 是一种自回归生成模型，通过逐像素预测来生成图像，能够学★ 166
voxvox 是一个用 Rust 编写的通用 AI 工具包，专注于高性能的语音转文字（STT）和文字转语音（TTS）处理。它旨在解决实时语音交互场景中的低延迟问题，并★ 165
Neural-HMMNeural-HMM 是一个基于神经隐马尔可夫模型（Neural HMM）的高质量文本转语音（TTS）开源项目。它旨在解决传统注意力机制在语音合成中的鲁棒性不足★ 164
stable-diffusion-regularization-images这是一个为Stable Diffusion模型训练提供正则化图像数据集的资源库。在DreamBooth或Textual Inversion等微调方法中，正则化图★ 162
awesome-ml-experiment-management这是一个精选列表，汇总了用于机器学习实验跟踪与管理的开源工具和商业产品。它解决的是ML实践中实验记录混乱、结果难以复现、模型版本管理困难等问题。项目按功能分类整★ 162
ScribeAIScribeAI 是一个为 VSCode 打造的 ChatGPT 扩展，旨在将大语言模型能力无缝集成到代码编辑器中。它解决开发者在编码过程中频繁切换上下文、查询★ 161
awesome-ai-cybersecurity这是一个专注于AI与网络安全交叉领域的精选资源清单，旨在为安全从业者、研究人员和爱好者提供高质量、组织良好的学习与工具集合。项目解决了该领域信息分散、资源难找的★ 161
PromptGallery-stable-diffusion-webuiPromptGallery-stable-diffusion-webui 是一个为 Stable Diffusion WebUI 设计的提示词图库扩展，旨在解决★ 161
BEVTBEVT 是 CVPR 2022 论文《BEVT: BERT Pretraining of Video Transformers》的官方 PyTorch 实现。★ 161
ai-learning-roadmap这是一个AI学习路线图项目，汇集了从入门到实践所需的各类AI学习资料和实用工具。它旨在帮助初学者系统性地了解人工智能领域，涵盖机器学习、深度学习、聊天机器人等核★ 160
conditional-motion-propagation这是一个CVPR 2019的官方代码项目，专注于视频中的条件运动传播问题。其核心目标是解决视频中物体运动信息的预测与传播，尤其在交互式视频标注场景下，能够根据用★ 160
RSPRSP是《An Empirical Study of Remote Sensing Pretraining》论文的官方代码库，专注于遥感图像预训练模型的实证研究★ 159
StyleTTS2StyleTTS2 是一个基于 StyleTTS 2 模型的文本转语音（TTS）与声音克隆工具，以 Python 包形式提供，可通过 pip 直接安装使用。它解★ 158
rlhf-summary-notes这是一个关于RLHF（基于人类反馈的强化学习）算法的简明总结笔记项目。它旨在为研究者和工程师提供一份精炼的RLHF算法概览，涵盖从基础概念到具体算法的核心要点。★ 154