deep-learning 第 15 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 15 / 17 页）
DreamboothDreambooth 是一个基于扩散模型的个性化微调项目，最初由 Google Research 提出，旨在通过少量（3-5 张）特定主题的图像，对预训练的文本★ 97
osamosam 是一个本地运行提示型视觉模型的工具，支持 SAM1、SAM2、SAM3、EfficientSAM、YOLO-World 等模型。它旨在简化这些模型的部★ 96
awesome-ml-monitoring这是一个精选列表，汇总了用于监控数据质量、监控模型性能和分析数据的开源工具及商业产品。它解决了机器学习模型上线后缺乏有效监控手段的问题，帮助团队及时发现数据漂移★ 96
Deep-Learning-Applications-with-GUI这是一个收集带图形界面（GUI）或命令行（CLI）的自由开源深度学习应用的清单项目。它旨在解决深度学习工具大多面向开发者、缺乏易用界面，导致普通用户难以使用的问★ 95
Awesome-Crack-Detection这是一个关于深度学习裂缝检测的论文列表，系统整理了该领域的核心文献。项目按学习范式（如监督、半监督、无监督）、泛化能力和数据集三个维度对论文进行分类，旨在帮助研★ 95
mloperatormloperator 是一个面向 Kubernetes 的机器学习/AI 训练、推理服务及智能体沙箱的 Operator 和控制器。它解决了在 Kubernet★ 95
Conditional-AnimeGANConditional-AnimeGAN 是一个基于条件生成对抗网络（Conditional GAN）的动漫人脸生成项目。它解决了从随机噪声或指定类别条件生成高★ 93
NWT-pytorchNWT-pytorch 是 NWT（Neural Waveform Transform）模型的非官方 PyTorch 实现，专注于音频到视频的生成任务。该项目旨★ 92
Unified-MoE-CompressionUnified-MoE-Compression 是论文《Towards Efficient Mixture of Experts: A Holistic Stu★ 92
TabSTARTabSTAR是一个面向表格数据的开源基础模型，专注于处理包含文本字段的表格数据。它解决了传统表格模型难以有效利用文本信息的问题，通过将文本字段与数值、类别特征★ 92
doc2vec-apidoc2vec-api 是一个面向初学者的文档向量化与机器学习脚本项目，基于 Python 和 Gensim 实现。它主要解决如何将文本转化为向量表示，并用于构★ 91
AudioTokenAudioToken 是一个基于扩散模型的音频到图像生成工具，源自 InterSpeech 2023 论文。它解决了仅凭文本描述难以准确捕捉音频中情感、节奏等抽★ 90
Financial-Fraud-Detection-Using-LLMs这是一个学术研究项目，旨在评估大型语言模型（如FinBERT和GPT-2）在金融报告和报表中检测欺诈活动的有效性。项目提供了完整的代码实现，包括基于标注数据集训★ 90
DL-Foundation-Models-Weather这是一个关于深度学习与基础模型在天气预报领域应用的综述论文项目，发表于IJCAI'26。项目系统梳理了从传统数值天气预报到基于深度学习、基础模型（如Transf★ 90
ai-ml-roadmap这是一个面向2025年AI和机器学习初学者的学习路线图项目，旨在提供从基础到进阶的系统化学习路径。它解决了初学者面对海量AI/ML资源时不知从何入手、学习路径不★ 90
PolyGPT-alphaPolyGPT-alpha 是一个基于智能体（Agent）架构的自主业务运营系统原型，旨在探索如何利用大型语言模型（LLM）和自动化智能体来驱动企业级业务流程。★ 89
TTS-recipesTTS-recipes 是一个面向不同数据集的文本转语音（TTS）训练配方集合，基于 Coqui AI 生态构建。它解决了 TTS 模型训练中数据准备和配置繁琐★ 89
ML_GuideML_Guide 是一个面向机器学习学习者和开发者的资源聚合与协作平台，旨在解决机器学习领域学习资料分散、社区互动不足的问题。项目以 Jupyter Noteb★ 89
AODAAODA是论文《Adversarial Open Domain Adaptation for Sketch-to-Photo Synthesis》的官方实现，发★ 88
Generating-Devanagari-Using-DRAW这是一个基于PyTorch实现的DRAW（深度循环注意力写手）模型，专门用于生成天城文（Devanagari）手写字符。DRAW是一种循环神经网络生成模型，通过★ 87
benderoptbenderopt 是一个黑盒优化库，旨在帮助用户在没有梯度信息的情况下，对任意函数进行参数调优。它解决了传统优化方法（如梯度下降）无法应用于离散、不可导或评估★ 87
sdksdk 是一个面向生产环境机器学习（ML）的元数据存储基础设施。它旨在解决 ML 模型开发与部署过程中元数据管理混乱、难以追踪的问题，为模型、数据集、训练运行等★ 87
ocr-vqganOCR-VQGAN 是一个面向论文图表（figure images）的离散图像编码器，包含 tokenizer 和 detokenizer，专门用于 Paper★ 86
Spectral-DeTuningSpectral-DeTuning 是 ICML 2024 论文的官方 PyTorch 实现，旨在恢复生成模型在微调前的原始权重。它解决了当模型（如 Stabl★ 86
distributed-inference这是一个用 Go 语言编写的演示项目，旨在展示如何在深度学习/机器学习领域设计跨语言、分布式的推理管道。它利用 WebRTC 和 Redis Streams 作★ 86
kamonohashiKAMONOHASHI 是一个面向 AI 开发的基础设施平台，旨在为机器学习团队提供从数据管理、模型训练到部署的全流程支持。它解决了 AI 开发中环境配置复杂、★ 86
ROCm-RX6600XT这是一个面向AMD Radeon RX 6600 XT显卡的ROCm安装指南，旨在帮助用户在Linux系统上配置AMD GPU的深度学习环境，支持TensorF★ 85
mlops-project-template这是一个面向Azure云平台的MLOps解决方案加速器模板，旨在帮助企业快速、标准化地在Azure上部署和运维机器学习模型。项目基于Azure MLOps v2★ 85
fusemlFuseML 是一个开源的 MLOps 框架，旨在作为动态集成层，将用户选择的 AI/ML 工具（如训练框架、模型注册、CI/CD 等）组合成一个统一的工作流。★ 85
flexible-diffusion-modeling-videos-pytorch这是一个基于PyTorch实现的开源视频生成项目，对应论文《Flexible Diffusion Modeling of Long Videos》。它解决的是长★ 84
CycleGAN_ssimCycleGAN_ssim 是一个基于 CycleGAN 的图像生成改进项目，核心目标是解决 CycleGAN 生成图像视觉质量不佳的问题。它通过对比多种相似度★ 83
Music-SketchNetMusic-SketchNet 是一个基于 ISMIR 2020 论文的开源项目，旨在通过分解音高和节奏的表征来实现可控的音乐生成。它解决的核心问题是传统音乐生★ 83
HuBERT-ECGHuBERT-ECG 是一个基于自监督学习的心电信号（ECG）基础模型，旨在为广泛且可扩展的心脏应用提供通用表征。它借鉴了语音处理中的 HuBERT 方法，通过★ 83
fsdl-text-recognizer-2022这是 FSDL（Full Stack Deep Learning）2022 课程的配套完整项目代码仓库，对应课程实验的最终答案版本。项目以文本识别（OCR）为实★ 83
maskbit-pytorchMaskBit 是字节跳动 AI 提出的图像生成模型，本仓库是其 PyTorch 实现。它基于自编码器与二进制量化（binary quantization）技术★ 82
tgan2tgan2 是论文《Train Sparsely, Generate Densely: Memory-efficient Unsupervised Traini★ 82
lofi-generatorlofi-generator 是一个利用深度学习技术生成 Lo-fi 风格音乐的实验性开源项目。它针对 Lo-fi 音乐创作门槛高、灵感枯竭的问题，提供了一套基★ 82
MPOMPO是一个针对大型语言模型智能体的元计划优化框架，旨在通过优化智能体的高层计划生成能力来提升其整体任务执行表现。它解决的核心问题是，现有LLM智能体在复杂任务★ 82
LUMI-AI-GuideLUMI AI Guide 是一个帮助用户将机器学习应用从中小型计算环境迁移到 LUMI 超级计算机的指南项目。它针对 LUMI 这一欧洲高性能计算平台，提供从★ 82
Free-Nano-Banana-Pro-API-Ultimate-AI-Image-Generator这是一个免费开源的AI图像生成API项目，基于Gemini 3.0 Pro（Nano Banana Pro）模型，提供图像生成、照片编辑和视觉创作能力。它解决了★ 81
easydisteasydist 是一个面向多生态系统的自动化并行化系统与基础设施，旨在简化分布式训练和推理的复杂性。它通过自动识别模型中的并行化机会，并生成高效的并行执行方案★ 81
turtleturtle 是一个基于 ICML 2024 论文《Let Go of Your Labels with Unsupervised Transfer》的开源实现★ 81
h-edith-Edit 是一个基于扩散模型的图像编辑工具，核心创新在于引入 Doob 的 h-变换理论，将编辑过程建模为条件扩散过程，从而在保持图像结构的同时实现灵活、高★ 80
AuroraAurora 是一个面向通用多模态时间序列预测的开源模型，由 ICLR 2026 论文提出。它旨在解决传统时间序列模型难以同时处理数值、文本、图像等多种模态数据★ 80
svd-mvsvd-mv 是 Stable Video Diffusion Multi-View 的非官方实现，旨在利用预训练的 Stable Video Diffusio★ 79
RoseRose 是一个基于 PyTorch 的优化器，提出了一种名为 Range-Of-Slice Equilibration 的优化方法。它通过范围归一化的梯度更新★ 79
text-to-image这是一个基于生成对抗网络（GAN）的文本到图像合成项目，旨在将自然语言描述转换为对应的视觉图像。项目实现了条件GAN（conditional GAN）和条件Wa★ 78
Generative-AI-PharmacistGenerative AI Pharmacist 是一个演示性质的生成式AI药剂师项目，旨在展示生成式AI在医药咨询场景中的应用。它利用大语言模型模拟药剂师的角★ 78
hashformershashformers 是一个基于 Transformer 的哈希标签分割工具，旨在将连写或拼接的标签（如 #机器学习入门）自动切分为有意义的词语序列。它解决了★ 78
RPGRPG 是一个基于 KL 正则化策略梯度的强化学习训练框架，源自 ICLR 2026 论文。它旨在解决大语言模型在强化学习微调中策略更新过快、导致奖励黑客和分布★ 78