deep-learning 第 16 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 16 / 17 页）
are-you-a-cat这是一个面向ZenML MLOps竞赛的示例项目，名为“你是猫吗”。它演示了如何利用ZenML构建一个完整的机器学习流水线，从数据加载、预处理、模型训练到部署的★ 78
nanochat-mlxnanochat-mlx 是一个在 Apple Silicon 上训练类 ChatGPT 对话模型的开源项目，是 nanochat 的 MLX 移植版。它解决的★ 77
VQGAN-CLIP-DockerVQGAN-CLIP-Docker 是一个将 VQGAN 与 CLIP 模型结合并容器化的开源项目，旨在实现零样本（zero-shot）文本到图像的生成。它解决★ 77
CLOUDSCLOUDS 是 CVPR 2024 收录的官方实现，针对域泛化语义分割任务，提出协作基础模型框架。它解决单一基础模型在未知域（如不同城市、天气、光照）下分割性★ 77
guided-diffusion-kerasguided-diffusion-keras 是一个基于 Keras 框架实现的扩散模型库，专注于文本到图像的生成任务。它提供了从零开始构建和训练扩散模型的完整★ 76
PicPilotPicPilot 是一个基于 Python 的图像生成工具，旨在帮助品牌快速创建视觉内容。它利用 Stable Diffusion 和 Transformers★ 75
stable-diffusionstable-diffusion 是一个用纯 Go 语言实现的 Stable Diffusion 推理库，支持跨平台运行。它基于 ggml 张量库，无需依赖 P★ 73
transframer-pytorchTransframer-pytorch 是 DeepMind 提出的 Transframer 架构的非官方 PyTorch 实现，用于生成最长 30 秒的视频。★ 73
tts-demotts-demo 是一个基于 Java 的文本转语音（TTS）演示项目，集成了深度学习模型，旨在提供灵活、高质量的语音合成能力。它解决了开发者在集成 TTS 功★ 73
Sketch-Guided-Stable-Diffusion这是谷歌论文《Sketch-Guided Text-to-Image Diffusion Model》的非官方实现，旨在让用户通过简单草图（如手绘线条）结合文本★ 72
awesome-deep-learning-resource这是一个个人维护的深度学习资源聚合仓库，主要面向大模型、Agent、多模态、NLP和CV方向的研究者与开发者。它包含三部分内容：一是作者阅读论文时的笔记，覆盖上★ 71
cog-musicgen-chordcog-musicgen-chord 是一个基于 MusicGen 的音频生成项目，主要实现了和弦条件控制功能。它解决了 MusicGen 原生模型无法根据指定★ 69
SeGANSeGAN 是一个基于生成对抗网络（GAN）的早期开源项目，旨在解决图像中不可见部分的语义分割与生成问题。其核心思路是通过对抗训练，让模型不仅能够识别图像中可见★ 68
neurips18_hierchical_image_manipulation这是一个基于PyTorch实现的NeurIPS 2018论文《Generative Image Manipulation with Hierarchical S★ 68
VisualWebBenchVisualWebBench 是一个针对多模态大语言模型（MLLMs）在网页理解与定位（Grounding）任务上的评估框架，源自同名论文。它解决的核心问题是：★ 68
awesome-agi这是一个精选的通用人工智能（AGI）相关资源列表，收集了论文、文章、工具和项目链接，旨在为研究者和开发者提供一站式导航。它解决了AGI领域信息分散、难以系统获取★ 67
Kani-TTS-VieKani-TTS-Vie 是一个针对越南语的快速文本转语音（TTS）开源项目，模型参数量仅 370M，推理时间约 3 秒，主打轻量级和实时性。它基于深度学习技术★ 67
AvatarGANAvatarGAN 是一个基于生成对抗网络（GAN）的卡通头像生成项目，主要用 Jupyter Notebook 实现。它解决的是如何从真实人脸照片自动生成风格★ 67
IPRIPR（Iterative Step-level Process Refinement）是一个针对大型语言模型（LLM）智能体（Agent）的迭代式步骤级过程优★ 67
polyaxon-examplespolyaxon-examples 是 Polyaxon 平台的官方示例代码库，提供了一系列教程和示例，帮助用户快速上手 Polyaxon。Polyaxon 是★ 67
retrieval-augmented-ddpm这是一个基于 PyTorch 实现的检索增强去噪扩散概率模型（Retrieval-Augmented DDPM）。它解决的是传统扩散模型在生成图像时依赖单一训练★ 66
Self-Supervised-Gans-PytorchSelf-Supervised-Gans-Pytorch 是 CVPR 2019 论文《Self-Supervised GANs via Auxiliary R★ 66
Generative_Deep_Learning_2nd_Edition这是《만들면서 배우는 생성 AI 2판》（韩文版《动手学生成AI 第二版》）一书的官方代码仓库，包含书中所有示例代码和Jupyter Notebook教程。项★ 66
coqui_tts_korea这是一个基于 Coqui TTS 的韩语语音合成项目，使用 GlowTTS 和 Multiband MelGAN 模型实现高质量的韩语文本转语音。项目主要解决韩★ 66
midi-emotionmidi-emotion 是一个基于情感生成多乐器 MIDI 音乐的开源工具。它接收用户在 valence-arousal（效价-唤醒度）情感平面上的输入，通过★ 66
AI-awesomeAI-awesome 是一个面向 AI 学习者的路线图项目，旨在帮助初学者和进阶者系统化地掌握人工智能知识。它按照“入门-基础-进阶-高级”四个阶段组织学习内容★ 66
AI-ChatbotAI-Chatbot 是一个基于深度学习的上下文感知聊天机器人项目，主要用 Jupyter Notebook 实现，适合教学和入门实践。它解决的是传统聊天机器人★ 64
JamBotJamBot 是一个基于 Python 的开源音频音乐项目，旨在通过自动化方式辅助音乐创作与混音。它解决音乐制作人在重复性任务（如节拍对齐、音轨分离、和声生成）★ 64
HMARHMAR 是一个面向图像生成任务的高效分层掩码自回归模型，发表于 CVPR 2025。它针对现有自回归图像生成方法计算开销大、生成速度慢的问题，提出了一种分层掩★ 63
Rickrolling-the-Artist这是一个针对文本引导图像生成模型（如Stable Diffusion）的后门攻击研究项目，源自ICCV 2023论文。它解决了生成模型被恶意篡改的安全问题：攻击★ 63
NoteifyNoteify 是一个面向视障人士的印度纸币识别应用，通过手机摄像头拍摄纸币，利用 TensorFlow Lite 模型在后台进行实时识别，并通过语音播报告知用★ 63
hypertunehypertune 是一个用于超参数优化的 Python 库，旨在简化机器学习模型的调参流程。它解决了手动网格搜索或随机搜索效率低、难以找到最优参数组合的问题。★ 63
MoTHerMoTHer 是 ICLR 2025 论文《Unsupervised Model Tree Heritage Recovery》的官方 PyTorch 实现，旨★ 62
AI-ML-14-Hours-FREE-Course这是一个为期7天的AI与机器学习基础免费工作坊课程，旨在帮助初学者快速入门AI领域。项目以HTML格式呈现，提供结构化的学习路径，涵盖AI核心概念与基础原理。其★ 62
ShelfShelf 是一个面向 AI 和数据科学领域的资源聚合型基础设施项目，定位为“一个宽阔的架子”，旨在系统化整理和展示 AI/数据科学生态中的各类工具、框架、模型★ 62
dalle2_outpaint这是一个用于 DALL·E 2 图像外绘（outpainting）的脚本和工具集，主要解决 DALL·E 2 API 在生成图像时无法直接扩展画布的问题。它通过★ 61
GFTGFT（Graph Foundation Model）是一个基于图神经网络的基础模型，旨在解决图结构数据上的迁移学习问题。它通过构建可迁移的树形词汇表（Tran★ 61
sklearn-diagnosesklearn-diagnose 是一个面向 Scikit-learn 模型的 AI 诊断工具，旨在帮助数据科学家快速识别模型训练中的常见问题，如过拟合、数据泄★ 61
ml_in_production这是一个机器学习模型生产化部署的演示集合，旨在展示将训练好的模型部署到生产环境的多种方法。项目解决了ML工程师在模型上线时面临的工程化难题，如API服务搭建、批★ 61
Text-Normalization-Demo这是一个文本规范化（Text Normalization）的演示项目，对应论文《Text Normalization using Memory Augmente★ 60
annolidannolid 是一个基于实例分割的多目标跟踪与行为分析工具包，主要面向动物行为研究领域。它解决了研究人员在视频分析中手动标注耗时、难以追踪个体和提取行为特征的★ 59
Finetuning-SuiteFinetuning-Suite 是一个专注于大语言模型高效微调的开源工具包，旨在让开发者能在30秒内完成对 Hugging Face 上任意模型的微调。它解决★ 59
MLFlowClient.jlMLFlowClient.jl 是一个 Julia 语言的 MLflow 客户端库，旨在让 Julia 用户能够无缝集成 MLflow 的机器学习生命周期管理功★ 59
text2paintingtext2painting 是一个基于深度学习的文本生成绘画工具，旨在将自然语言描述自动转化为艺术风格的图像。它利用 GAN 等生成模型，将文本语义映射到视觉特★ 58
mSRGAN-A-GAN-for-single-image-super-resolution-on-high-content-screening-microscopy-imagesmSRGAN 是一个面向高内涵筛选（HCS）显微图像的单图像超分辨率生成对抗网络（GAN）项目。它解决的是在药物筛选等生物医学场景中，显微图像因高倍率或快速采集★ 58
text2speechtext2speech 是微软研究院实习生主导的开源项目，目标是构建面向印度十亿级用户的文本转语音（TTS）系统，相关论文已被 ICASSP 2023 收录。项★ 58
awesome-ai-list-guide这是一个关于AI资源的精选列表指南，旨在帮助用户快速找到高质量的AI相关工具、框架、论文和项目。它解决了AI领域信息过载、资源分散的问题，通过整理和分类，让用户★ 58
textboostTextBoost 是一个面向文本到图像模型的个性化微调工具，核心解决单张参考图即可实现主体定制化生成的问题。传统方法如 DreamBooth 需要多张图像并微★ 57
ArtEqArtEq 是一个基于神经网络的 3D 人体姿态拟合工具，核心创新在于利用 articulated SE(3) 等变性，将训练时见过的姿态泛化到未见过的姿态。它★ 57
zerovoxzerovox 是一个基于深度学习的零样本（zero-shot）实时语音合成（TTS）系统，完全离线运行，免费且开源。它旨在解决传统 TTS 系统需要针对特定说★ 56