deep-learning 第 14 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 14 / 17 页）
monai-deployMONAI Deploy 是 MONAI 项目下的一个开源基础设施，旨在成为医疗 AI 应用在临床生产中开发、打包、测试、部署和运行的事实标准。它解决的是医疗影★ 123
albucorealbucore 是 Albumentations 团队拆分出的底层图像处理库，用 OpenCV、NumPy、SimSIMD 等实现高性能基础算子，供 Albu★ 123
diffusionmagicdiffusionmagic 是一个基于 Hugging Face diffusers 库的 Stable Diffusion 工作流封装项目，旨在降低图像生成★ 122
GRAPEGRAPE 是一个面向图神经网络的表示位置编码方法，由 ICLR 2026 论文提出。它通过将节点分组并学习组级别的表示位置编码，解决了传统位置编码在捕捉图结构★ 121
ai-resourcesai-resources 是一个由爱好者每日维护的 AI 资源聚合清单，覆盖机器学习、开发工具、教育、医疗、房地产、机器人、加密货币、Web3 等多个垂直领域。★ 121
meow-learning这是一个“自选问题”式指南，由作者为从领导层到机器学习工程师的各类角色编写，旨在系统化地传授在生产环境中使用AI的流程与方法。项目以结构化的问题集形式呈现，覆盖★ 120
tegridy-toolstegridy-tools 是一个面向符号音乐（MIDI）的 NLP 与人工智能工具包，旨在用自然语言处理技术处理音乐序列数据。它解决了传统音乐生成模型难以处理★ 118
DJZ-WorkflowsDJZ-Workflows 是一个专注于 ComfyUI 工作流的开源集合，提供了 1000 多个用于 AI 图像和视频生成的工作流模板，覆盖 Flux、SDX★ 118
BlaGPTBlaGPT 是一个用于基准测试语言模型架构、层和技巧的实验性游乐场，专注于在较小数据集上进行灵活实验。它解决了研究人员和开发者难以快速对比不同模型设计（如注意★ 117
MAMA-MIAMAMA-MIA是一个面向乳腺癌诊断研究的多中心动态对比增强磁共振成像（DCE-MRI）公开数据集，包含来自多个医疗中心的影像数据及专家标注的病灶分割结果。该项★ 117
speech_course这是一个面向语音技术学习者的深度学习课程项目，以 Jupyter Notebook 形式呈现，覆盖自动语音识别（ASR）、说话人识别、关键词唤醒、文本转语音（T★ 116
Flipped-LearningFlipped-Learning 是一个基于 ICLR 2023 论文的开源实现，提出了一种新颖的零样本学习范式。传统方法直接让模型根据输入预测输出，而该方法先★ 116
torchebmtorchebm 是一个基于 PyTorch 的生成建模库，专注能量基模型（EBM）、扩散模型、流匹配和薛定谔桥等现代生成方法的训练。它解决的核心问题是：传统 ★ 116
ai8x-trainingai8x-training 是亚德诺半导体（ADI，原 Maxim）为 MAX78000 与 MAX78002 两款超低功耗边缘 AI 微控制器提供的官方模型训★ 115
get_modelget_model 是一个模块化的多模态跨细胞类型转录调控模型框架。它旨在解决不同细胞类型中基因表达调控机制差异性的建模问题，通过整合多种数据类型（如染色质可及★ 114
PerceptionMetricsPerceptionMetrics 是一个面向计算机视觉的评估工具包，旨在统一和简化目标检测与分割模型的评测流程。它解决的核心问题是：当研究者或工程师在不同传感★ 114
HiFi-InpaintHiFi-Inpaint 是一个基于扩散模型的图像修复工具，专门针对电商场景中的人像与商品融合需求。它解决的是传统修复模型在参考图引导下细节丢失、纹理模糊的问题★ 112
MIDI-GPTMIDI-GPT 是一个基于 GPT-2 架构的符号音乐生成模型，专注于可控的多轨音乐创作。它解决的核心问题是传统音乐生成模型难以对旋律、和弦、节奏等多轨元素进★ 112
OakInk2OakInk2 是一个用于双手-物体操作研究的3D数据集，由 CVPR 2024 发布。它记录了人类在复杂任务完成过程中的双手和物体交互，包含精细的3D手部网格★ 112
UniMedVLUniMedVL 是一个面向医疗领域的统一视觉语言模型，旨在同时处理医学图像的理解与生成任务。它通过“观察-知识-分析”框架，将多模态理解（如图像分类、报告生成★ 111
attention-interpolation-diffusion这是一个 NeurIPS 2024 的官方实现，针对文本到图像扩散模型中的注意力插值技术。它解决的是在 Stable Diffusion 等模型中，如何通过插值★ 111
deep-landscapeDeepLandscape 是 ECCV2020 论文的官方实现，专注于风景视频的对抗性建模。它解决的核心问题是：如何从单一静态风景图像生成具有自然动态效果（如★ 111
wavegrad2WaveGrad2 是一个非官方的 PyTorch 实现，基于 Google 提出的 WaveGrad 2 模型，用于高质量语音合成。它解决的是文本到语音（TT★ 111
Tacotron-pytorchTacotron-pytorch 是一个基于 PyTorch 实现的 Tacotron 端到端文本转语音（TTS）模型。Tacotron 是 Google 提出★ 110
aarambh-studioaarambh-studio 是一个完全用 Rust 和 Candle 框架从零构建的 decoder-only 大语言模型项目，不依赖 Python 或 Py★ 110
Awesome-AIGC-Research-Groups这是一个收录AIGC（人工智能生成内容）研究团队的精选列表，旨在帮助研究者、学生和从业者快速找到全球顶尖的AIGC实验室和团队。项目解决了AIGC领域信息分散、★ 108
Faces2AnimeFaces2Anime 是一个基于生成对抗网络（GAN）的人脸卡通化风格迁移开源项目，源自 2021 年台湾科技大学硕士论文。它旨在将真实人脸照片转换为动漫风格★ 108
mauamaua 是一个面向图像、视频和音频合成的深度学习工具包，旨在为创意工作者和研究者提供统一的生成式 AI 接口。它解决了多模态生成任务中工具碎片化、使用门槛高的★ 107
awesome-openai-whisper这是一个围绕 OpenAI Whisper 语音识别模型的资源精选列表，把分散在社区里的模型变体、微调版本、推理加速方案、配套工具和教程集中整理到一起。Whis★ 107
InsightSolver-ColabInsightSolver-Colab 是一个专注于 AIOps（智能运维）的 Colab 笔记本集合，旨在通过深度学习、机器学习及相关模型，帮助用户探索和解决★ 105
PyOmniTSPyOmniTS 是一个面向时间序列分析的研究者与智能体友好框架，核心目标是让任意模型都能在任意数据集上训练。它把数据加载、模型定义、训练循环和评测流程统一抽象★ 105
upgptUPGPT 是一个基于扩散模型的通用人物图像生成框架，旨在解决人物图像生成、编辑和姿态迁移三大任务。它利用 SMPL 人体模型作为几何先验，结合 Stable ★ 104
cog-musicgen-remixercog-musicgen-remixer 是一个基于 MusicGen-Chord 模型的音乐混音工具，旨在利用 AI 技术对现有音乐进行智能重混。它解决了传统★ 104
HLAHLA 是一个官方开源项目，对应论文《HLA: Higher-order Linear Attention》。该项目旨在解决传统线性注意力在建模高阶特征交互时表★ 104
awesome-language-model-analysis这是一个聚焦大语言模型（LLM）理论与实证分析的论文清单项目。它系统整理了关于语言模型学习行为、泛化能力及其他属性的研究论文，涵盖理论分析、实证分析或两者结合的★ 103
DeepstoryDeepstory 是一个将文本或生成文本转化为视频的开源工具，核心功能是让角色以指定声音朗读故事并配合动画口型。它结合了 GPT-2 文本生成、DC-TTS ★ 103
kube-llmopskube-llmops 是一个基于 Kubernetes 的 LLM 运维工具，旨在解决大语言模型应用在 Kubernetes 集群中的部署、管理和运维难题。它★ 103
DeepSpotDeepSpot 是一个基于深度学习的开源模型，用于从 H&E 组织病理学图像预测空间转录组。它支持 Visium 的 spot 级别和 Xenium 的单细胞★ 103
get-beamget-beam 是一个面向 AI 基础设施的早期开源项目，旨在让用户以无服务器（Serverless）方式运行 GPU 推理和训练任务。它解决了传统 GPU ★ 103
safetensors_utilsafetensors_util 是一个用于处理 Safetensors 文件的 Python 工具库，主要面向 Stable Diffusion 生态中的模型★ 102
SpeechPromptSpeechPrompt 是 Interspeech 2022 论文的官方实现，探索将提示学习（Prompt Tuning）应用于生成式口语语言模型，以统一方式★ 102
Occular-ocrOccular-ocr 是一个用 Python 编写的俄语文档 OCR 开源工具，目标是快速、准确地从扫描件和 PDF 中提取俄语文本。它基于深度学习模型，采用★ 102
RCS-YOLORCS-YOLO 是 MICCAI 2023 论文的官方开源实现，面向脑肿瘤检测任务，在 YOLO 框架上提出 RCS-OSA 模块与通道注意力机制，兼顾检测速★ 101
vqgan-clip-appvqgan-clip-app 是一个基于 Python 的本地图像生成工具，利用 VQGAN-CLIP 或 CLIP 引导扩散模型，将文本描述转化为图像。它解决★ 100
SingleShapeGenSingleShapeGen 是 SIGGRAPH Asia 2022 论文《Learning to Generate 3D Shapes from a Sin★ 100
CAMECAME 是 ACL 2023 论文《CAME: Confidence-guided Adaptive Memory Optimization》的官方实现，一个★ 100
EEGMambaEEGMamba 是一个基于 Mamba 架构的脑电信号（EEG）基础模型，发表于 Neural Networks 2025。它利用状态空间模型的高效序列建模能★ 100
meikiocrmeikiocr 是一个面向日语电子游戏场景的本地 OCR 工具，用 Python 编写，主打高速与高准确率。它解决的核心问题是：玩家在玩日文游戏时经常遇到没有★ 100
Awesome-AI-PapersAwesome-AI-Papers 是一个用于收集人工智能领域论文和对应代码的精选列表仓库。它旨在解决 AI 研究者、工程师和学生难以高效追踪前沿研究、找到论文★ 99
nlp-dialoguenlp-dialogue 是一个面向中文场景的端到端对话系统，旨在提供从模型训练到线上部署的完整流程。它基于 Python 构建，整合了自然语言理解（NLU）、★ 98