deep-learning 第 7 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 7 / 17 页）
Autopilot-NotesAutopilot-Notes 是一个自动驾驶技术学习笔记项目，以解析各模块知识点、整合行业优秀解决方案为核心，帮助作者及读者系统掌握自动驾驶相关技术。内容覆盖★ 840
mammaMAMMA 是一个面向多人体运动捕捉的开源项目，主打无标记（markerless）且高精度的多人运动获取。它解决了传统光学动捕系统依赖昂贵标记点和专业设备、难以★ 839
Medical-Graph-RAGMedical-Graph-RAG 是一个面向循证医学信息检索的图检索增强生成系统，发表于 ACL 2025。它针对传统 RAG 在医疗领域缺乏可解释性和证据溯★ 837
Deep-learning-in-cloud这是一个整理深度学习云服务提供商的精选列表，旨在帮助开发者和企业快速找到适合的云端AI训练与推理平台。项目以清单形式汇总了各大主流云厂商（如AWS、Google★ 826
makeMoEmakeMoE 是一个从零开始实现稀疏混合专家（MoE）语言模型的教学项目，灵感来源于 Andrej Karpathy 的 makemore。它通过 Jupyt★ 820
caercaer 是一个面向计算机视觉研究的高性能 Python 库，旨在减少样板代码，让研究者专注于核心算法。它整合了图像处理、数据增强、模型训练与评估等常用功能，提★ 820
APDrawingGANAPDrawingGAN 是一个基于生成对抗网络（GAN）的开源项目，用于将人脸照片自动转换为艺术风格的人物肖像画（如素描、线条画）。该项目由 CVPR 201★ 811
Autoregressive-Models-in-Vision-Survey这是一份关于视觉自回归模型（AR models）的综述论文项目，发表于TMLR 2025。它系统梳理了自回归模型在计算机视觉领域的研究进展，涵盖图像生成、视频预★ 807
unpromptedunprompted 是一个专为 Stable Diffusion 工作流设计的模板语言，以 Automatic1111 WebUI 扩展形式提供。它解决的是在★ 805
contrastorscontrastors 是一个基于 PyTorch 的对比学习训练工具库，专注于帮助研究者和工程师高效地训练对比学习模型。它解决了对比学习训练流程复杂、复现困难★ 804
phenaki-pytorchPhenaki-PyTorch 是 Phenaki 视频生成模型的非官方 PyTorch 实现。Phenaki 由 Google 提出，核心创新在于利用 Mas★ 789
anycost-ganAnycost GANs 是 CVPR 2021 收录的交互式图像合成与编辑框架，由 MIT 等机构提出。它解决的是 GAN 模型在推理时计算开销大、难以在普通★ 779
APTAPT 是一个开源的 AI 生产力工具，旨在通过本地化部署和隐私保护提升用户效率。它内置了 ChatGPT、DeepSeek、Phi、Qwen 等模型的本地专属★ 772
dladla 是一个面向音频处理的深度学习开源项目，旨在为音频相关任务提供一套完整的解决方案。它涵盖了语音识别、说话人验证、关键词识别、语音合成、声音转换以及通用信号★ 772
text2arttext2art 是一个基于深度学习的文本生成艺术工具，旨在将文字描述直接转化为多种风格的艺术图像，包括像素画、油画、素描等。它利用 GAN 等生成模型，在 G★ 770
texturizetexturize 是一个基于深度学习的命令行工具，用于从源图像生成照片级真实的纹理，并支持纹理的混搭、重制与变体创作。它解决的是设计师和开发者快速生成多样化纹★ 762
ToolOrchestraToolOrchestra 是一个端到端的强化学习训练框架，用于编排工具调用和智能体工作流。它解决了当前大模型在复杂任务中工具使用能力不足、缺乏系统性训练的问题★ 762
build-your-own-x-machine-learning这是一个通过从零手写实现来掌握机器学习的开源教程项目，覆盖从线性回归、深度学习到大语言模型（LLM）的完整知识体系。它解决的是学习者‘只会调库、不懂原理’的痛点★ 747
awesome-ai-summerschoolawesome-ai-summerschool 是一个人工维护的精选清单，汇总全球人工智能、机器学习和医疗健康方向的暑期学校与短期课程信息。它解决的是学生、转行★ 746
ai_wikiai_wiki 是一个面向 AI 全栈学习者的开源知识库，以 Jupyter Notebook 为主要载体，系统性地搜集和整理全网优质学习资源。它试图解决 AI★ 743
kornia-rskornia-rs 是用 Rust 编写的底层 3D 计算机视觉库，定位为 Kornia 生态的 Rust 实现。它解决的核心问题是：Python 视觉库在性能★ 740
TTS-papersTTS-papers 是一个收集文本转语音（TTS）领域学术论文的仓库，旨在为研究人员和开发者提供系统性的论文列表。它解决了 TTS 领域文献分散、难以追踪最新★ 734
music-generation-with-DL这是一个关于使用深度学习进行音乐生成的资源列表，汇集了论文、代码、数据集和工具，旨在帮助研究者和开发者快速了解该领域的研究进展和技术路线。项目按生成方法（如符号★ 729
MASRMASR是一个基于Pytorch的自动语音识别（ASR）框架，专注于流式与非流式识别，兼顾在线和离线场景。它解决了开发者需要同时支持实时语音交互和离线批量转写的★ 728
VLA-HandbookVLA-Handbook 是一份面向算法工程师的全中文学习与面试手册，聚焦 VLA（Vision-Language-Action）这一具身智能核心方向。它解决的★ 722
cressetcresset 是一个用于从源码构建 PyTorch 项目的模板仓库，支持任意版本的 PyTorch、CUDA 和 cuDNN 组合。它解决了深度学习开发中环境★ 718
glow-ttsglow-tts 是一个基于生成流（Generative Flow）的文本转语音（TTS）开源项目，由蒙特利尔大学等机构的研究者提出。它通过单调对齐搜索（Mon★ 717
vertex-ai-mlopsvertex-ai-mlops 是 Google Cloud 官方提供的端到端机器学习运维（MLOps）参考实现，基于 Vertex AI 平台构建。它解决企业★ 717
cookiecutter-fastapicookiecutter-fastapi 是一个用于快速生成 FastAPI 项目结构的 Cookiecutter 模板。它解决了从零搭建 FastAPI 项目★ 708
Text-To-Video-FinetuningText-To-Video-Finetuning 是一个基于 Python 的开源项目，旨在帮助开发者对 ModelScope 的文本生成视频模型进行微调。它利★ 705
voicebox-pytorchvoicebox-pytorch 是 MetaAI 提出的 Voicebox 文本转语音（TTS）模型的非官方 PyTorch 实现。Voicebox 是一种基★ 703
advanced-machine-learning-engineer-roadmap-2024这是一个面向2024年的全栈机器学习工程师学习路线图，旨在帮助学习者系统掌握从数据处理、模型开发到部署运维的完整技能链。项目以结构化的路线图形式，梳理了成为全栈★ 702
photoguardPhotoGuard是一个旨在防御恶意AI图像编辑的开源项目，由MIT的研究人员开发。它通过给图像添加难以察觉的扰动，破坏扩散模型（如Stable Diffus★ 701
speech-to-text-benchmarkspeech-to-text-benchmark 是一个开源的语音转文字（STT）评测框架，用统一的测试流程对比不同语音识别引擎的准确率与速度。它解决的核心问题★ 699
Transformer-TTSTransformer-TTS 是一个基于 PyTorch 实现的文本转语音（TTS）项目，对应论文《Neural Speech Synthesis with ★ 695
datumarodatumaro 是一个面向计算机视觉的数据集管理框架，提供 Python 库和命令行工具，用于构建、分析和维护 CV 数据集。它解决的核心问题是深度学习项目中★ 694
AttentionGANAttentionGAN是一个基于生成对抗网络（GAN）的无配对图像到图像翻译模型，同时支持多域图像转换。它通过引入注意力机制，在训练过程中自动学习区分前景和背★ 687
OmniVinciOmniVinci 是一个全模态大语言模型，旨在联合理解视觉、音频和语言信息。它解决的是传统多模态模型往往只支持文本与图像，而难以同时处理音频、视频等多种模态数★ 685
magvit2-pytorchMagViT2 的 PyTorch 非官方实现，专注于视频数据的离散化编码。它解决的核心问题是将连续视频帧转换为离散 token，以便用于后续的视频生成或理解任★ 669
quaterionQuaterion 是一个专注于相似度学习模型微调的 Python 框架，核心解决的是在检索、去重、聚类等场景下，如何高效训练出能输出高质量向量表示的模型。它把★ 665
AnimateLCMAnimateLCM 是一个面向个性化风格视频生成的计算高效方法，发表于 SIGGRAPH ASIA 2024。它解决了现有视频生成模型在个性化定制时需要大量视★ 657
mlops-v2这是微软提供的 Azure MLOps v2 解决方案加速器，旨在帮助企业快速在 Azure 平台上部署和管理机器学习模型。它解决的是机器学习项目从开发到生产过★ 656
yolov7-object-tracking这是一个把 YOLOv7 目标检测与 SORT 跟踪算法结合起来的开源示例项目，使用 PyTorch 做模型推理、OpenCV 处理视频流与画面绘制。它解决的是★ 653
Exclusively-Dark-Image-DatasetExclusively Dark Image Dataset（ExDARK）是一个面向低光照视觉研究的图像数据集，由12,000张从极暗环境到黄昏（覆盖10种光★ 653
HiDTHiDT 是 CVPR 2020 Oral 论文《High-Resolution Daytime Translation Without Domain Labe★ 652
wav2lip_288x288Wav2Lip 288x288 是一个基于 Wav2Lip 的改进版本，专注于高分辨率（288x288）的唇形同步视频生成。它解决了原始 Wav2Lip 在低分★ 651
vits2VITS2 是一个基于 PyTorch 的单阶段文本转语音（TTS）模型，旨在提升语音合成的质量和效率。它通过对抗学习和架构设计改进，解决了传统两阶段 TTS ★ 648
awesome-segmentation-saliency-dataset这是一个整理图像分割与显著性检测数据集的精选列表，旨在为相关领域的研究者和开发者提供一站式的数据集索引。项目收集了包括语义分割、实例分割、全景分割以及显著性目标★ 647
NeuralDialogPapersNeuralDialogPapers 是卡内基梅隆大学赵天成整理的一份深度学习对话系统论文清单，汇总了从经典到前沿的神经网络对话模型。它按技术路线分类，涵盖生成★ 642
roboflow-pythonroboflow-python 是 Roboflow 官方推出的 Python SDK，用于在代码中统一管理计算机视觉数据集、模型与部署流程。它解决的是视觉项目★ 634