deep-learning 第 8 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 8 / 17 页）
nlpianlpia 是《Natural Language Processing in Action》一书的配套示例代码和库，旨在帮助读者通过实践掌握自然语言处理（NLP★ 631
blended-latent-diffusionBlended Latent Diffusion 是 SIGGRAPH 2023 论文的官方实现，用于文本驱动的图像局部编辑。它解决的是传统扩散模型在编辑图像时★ 631
Few-Shot-Patch-Based-Training这是一个基于少量样本补丁训练的交互式视频风格化工具，源自SIGGRAPH 2020论文。它解决的是传统风格迁移需要大量训练数据且难以保持视频时序一致性的问题。核★ 627
ai-art-generatorai-art-generator 是一个面向本地批量 AI 艺术生成的 Python 工具，旨在自动化创建大量 AI 生成的艺术作品。它整合了多种前沿生成技术，★ 619
AgentReviewAgentReview 是 EMNLP 2024 主会议 Oral 论文的官方实现，旨在用大语言模型智能体模拟学术同行评审过程。它解决传统同行评审中效率低、主观★ 614
ARIS-in-AI-OfferARIS-in-AI-Offer 是一个面向 AI 领域秋招的中英双语面试速查表项目，由 ARIS 工具链自动生成。它解决 AI 求职者备考资料分散、更新不及时★ 611
MMMUMMMU 是一个大规模多学科多模态理解与推理基准测试集，旨在评估和推动 AI 模型在专家级通用人工智能（AGI）方向上的能力。它包含来自艺术、工程、科学等六大领★ 598
SPPOSPPO（Self-Play Preference Optimization，自博弈偏好优化）是一个用于大语言模型对齐训练的开源项目，提供了论文的官方实现。它解★ 589
blended-diffusionBlended Diffusion 是 CVPR 2022 论文的官方实现，提出了一种基于扩散模型的文本驱动图像编辑方法。它解决的是传统文本到图像生成模型难以对★ 587
Awesome-AGIAwesome-AGI 是一个精心整理的 AGI（通用人工智能）相关资源列表，收录了框架、软件和资料，涵盖 AutoGPT、自主智能体等方向。它解决的是 AGI★ 580
One-DMOne-DM 是一个基于扩散模型的手写文本生成工具，对应 ECCV 2024 论文《One-Shot Diffusion Mimicker for Handwr★ 574
FontDiffuserFontDiffuser 是一个基于扩散模型的一次性字体生成开源项目，发表于 AAAI 2024。它解决的是少样本场景下的字体风格迁移问题，即仅凭一个参考字符，★ 574
FizgigFizgig 是一个面向 Krea 2 和 Flux 2 Klein 9B 模型的 LoRA 训练与工具集，专注于 LoKR（一种低秩适配变体）的完整生命周期管★ 573
CycleGAN-VC2CycleGAN-VC2 是一个基于 CycleGAN 的语音转换（Voice Conversion）开源项目，旨在实现无需平行语料的音色转换。它解决了传统语音★ 571
AlbumentationsXAlbumentationsX 是经典图像增强库 Albumentations 的延续版本，面向计算机视觉训练场景，提供高性能、多样化的数据增强能力。它解决的核★ 571
Awesome-AGI-AgentsAwesome-AGI-Agents 是一个精选的 AGI（通用人工智能）智能体资源合集，旨在为开发者、研究者和爱好者提供一份系统化的学习与参考指南。该项目通过★ 566
LLM4TSLLM4TS 是一个专注于时间序列领域的大语言模型与基础模型资源整合项目。它系统性地收集、分类和整理了近年来涌现的各类基于大语言模型（LLM）和基础模型（Fou★ 565
awesome-ai这是一个精选人工智能资源的列表项目，收集了课程、工具、应用和开源项目等各类AI相关资源。它旨在为AI学习者和开发者提供一个导航入口，解决信息过载和资源分散的问题★ 554
caisscaiss 是一个用 C++ 实现的跨平台、多语言支持的相似向量/相似词/相似句高性能检索引擎。它旨在解决开发者在构建聊天机器人、语义搜索、推荐系统等应用时，对★ 549
vits2_pytorchvits2_pytorch 是 VITS2 文本转语音模型的非官方 PyTorch 实现。VITS2 是 VITS 的改进版本，通过引入流匹配、改进的对抗训练和★ 548
nuwa-pytorchNUWA（女娲）是微软提出的多模态预训练模型，支持文本到视频、文本到图像及视频预测等任务。此项目为NUWA的PyTorch非官方实现，基于3D Transfor★ 547
superviselySupervisely SDK 是 Supervisely 计算机视觉平台的 Python 开发包，用于自动化、定制和扩展平台能力。它解决的是 CV 团队在数据★ 544
StyleSwinStyleSwin 是一个基于 Transformer 的高分辨率图像生成模型，发表于 CVPR 2022。它针对传统 GAN 在生成高分辨率图像时依赖卷积结构★ 543
ChatLearnerChatLearner 是一个基于 TensorFlow 的早期开源聊天机器人项目，采用经典的 seq2seq 序列到序列模型，并融合了规则系统来提升对话质量。★ 542
awesome-time-series-segmentation-papers这是一个聚焦时间序列分割（Time Series Segmentation）方向的论文阅读清单仓库，系统整理了该领域的重要学术文献。时间序列分割旨在把连续的时间★ 542
parti-pytorchParti是一个基于纯注意力机制（Transformer）的文本生成图像模型，由Google Research提出。该项目是Parti的PyTorch非官方实现★ 536
awesome-llms-fine-tuning这是一个关于大语言模型微调的精选资源列表，汇集了教程、论文、工具和最佳实践。它旨在帮助机器学习从业者和研究人员快速找到微调LLM所需的各种资料，从基础概念到高级★ 533
sagemaker-training-toolkitSageMaker Training Toolkit 是 AWS 官方开源的 Python 库，用于在 Docker 容器内训练机器学习模型并接入 Amazon★ 530
break-a-sceneBreak-A-Scene 是 SIGGRAPH Asia 2023 论文的官方实现，旨在从单张图像中提取多个概念（如物体、风格），并用于文本到图像的生成。它解★ 524
scallopScallop 是一个面向神经符号编程（Neurosymbolic Programming）的开源框架与语言，基于 Rust 实现。它旨在弥合深度学习与符号推理★ 519
e2-tts-pytorchE2-TTS 是一个基于 PyTorch 的零样本文本转语音（TTS）实现，对应论文《Embarrassingly Easy Fully Non-Autoreg★ 517
ml-mdmml-mdm 是苹果开源的文本到图像扩散模型训练框架，目标是在数据和算力都受限的条件下，依然能训练出高质量的生成模型。它针对当前文生图模型训练动辄需要上亿图文对★ 515
ai-agent-toolsai-agent-tools 是一个精选的 AI 工具、实用程序和资源集合，面向开发者和创作者。它旨在解决 AI 领域信息过载、工具分散的问题，通过分类整理和索★ 512
willow-inference-serverWillow 是一个开源的、本地自托管的语言推理服务器，专注于音频和语音场景，同时支持 ASR/STT、TTS 和 LLM 推理。它解决了在本地环境中高效部署多★ 511
diffusion-explainerDiffusion Explainer 是一个交互式可视化工具，旨在帮助用户直观理解文本到图像生成模型（如 Stable Diffusion）的内部工作原理。它★ 506
DNA-DiffusionDNA-Diffusion 是一个将扩散概率模型应用于调控基因组学的开源项目，旨在生成具有特定调控特征的 DNA 序列。它解决了传统方法难以建模 DNA 序列复★ 490
dashAIdashAI 是一个面向 AI 模型全流程的交互式平台，覆盖训练、评估与部署三个环节。它想解决的是模型开发中工具链分散、命令行操作繁琐、实验管理混乱的问题：数据★ 481
inseqinseq 是一个用于序列生成模型的可解释性工具库，专注于帮助研究者和开发者理解 LLM 等生成式模型在输出文本时的内部决策过程。它解决了生成模型（如 GPT、★ 477
OmniShowOmniShow 是字节跳动推出的统一视频生成模型，专注于人-物交互（HOI）视频生成，论文发表于 ICML 2026。它基于扩散模型（DiT/MMDiT）架构★ 474
audio-development-toolsAudio Development Tools (ADT) 是一个面向音频技术研发的开源项目，旨在整合声音、语音和音乐领域的开发工具链。它解决音频开发者缺乏统一★ 472
speech_datasetspeech_dataset 是一个面向语音识别（ASR）研究的中文语音数据集仓库，旨在为深度学习语音模型提供训练与评估所需的音频资源。项目整理了多种来源的语音★ 470
Remote-Sensing-RVSARemote-Sensing-RVSA 是遥感领域的基础模型开源项目，对应 TGRS'22 论文《Advancing Plain Vision Transfor★ 469
awesome-pythonawesome-python 是一个精选的 Python 库和框架资源清单，按类别组织，涵盖数据科学、机器学习、深度学习、自然语言处理、Jupyter 生态等多★ 468
StyleTTSStyleTTS 是一个基于 PyTorch 的文本到语音（TTS）合成项目，通过风格迁移技术让合成语音具备多样化的情感和韵律表达。它解决了传统 TTS 系统语★ 468
SelectionGANSelectionGAN是一个用于跨视角图像翻译的生成对抗网络模型，发表于CVPR 2019（Oral）。它解决的是给定一个视角的场景图像，生成另一个视角（如航★ 467
TPATPA（Tensor ProducT ATTenTion）是一个NeurIPS 2025 Spotlight论文的开源实现，提出了一种新型注意力机制，旨在替代标★ 464
Adam-miniAdam-mini 是一个优化器算法项目，旨在通过减少学习率数量来提升模型训练效率。它基于论文《Adam-mini: Use Fewer Learning Ra★ 462
kochatkochat 是一个开源的韩语聊天机器人框架，基于 Python 构建，专注于韩语自然语言处理任务。它解决了韩语对话系统中缺乏专用工具的问题，提供了从语料抓取、★ 460
encord-activeencord-active 是一个用于模型测试、验证与评估的开源工具包，旨在帮助机器学习团队高效管理数据标注流程。它解决的核心问题是：在模型开发中，如何从海量未★ 460
clip-guided-diffusionclip-guided-diffusion 是一个基于 OpenAI CLIP 和扩散模型的文本生成图像工具，提供命令行接口和 Python 模块。它解决了早期★ 459