"deepresearch"

📦 开源项目

deepseek-ai/DeepSeek-R1

DeepSeek-R1：开源发现引擎 — DeepSeek-R1是一个开源项目，旨在提供一个高效的发现引擎，帮助用户快速找到所需的信息和资源。它使用了先进的算法和技术，能够提供高质量的搜索结果。同时，DeepSeek-R1也是一个高度可定制的平台，允许用户根据自己的需求进行扩展和定制。

★ 92k⑂ 11.7kother

☆

liuzhuang13/DenseNet

DenseNet：密集连接卷积神经网络 — DenseNet是一种新的卷积神经网络架构，通过密集连接的方式提高了网络的学习能力和特征提取能力。这种架构在CVPR 2017上获得最佳论文奖，表明其在深度学习领域的重要性。DenseNet的设计可以应用于多种计算机视觉任务中

Lua★ 4.9k⑂ 1.1kai-ml

☆

BVLC/caffe

caffe：深度学习开源框架 — caffe是一个高性能的深度学习框架，支持多种神经网络架构和优化算法。它能够用于图像和语音识别、自然语言处理等领域，具有广泛的应用前景。caffe的开源性质使得开发者能够轻松地扩展和定制框架，以满足特定的需求。

C++★ 34.6k⑂ 18.5kai-ml

☆

keras-team/keras

keras：深度学习库 — keras是一个高级神经网络API，能够运行在TensorFlow、PyTorch等多个后端上。它提供了简单易用的接口，能够让用户快速地构建和训练深度学习模型。通过使用keras，用户可以轻松地实现数据预处理、模型构建、训练和评估等功能

Python★ 64.2k⑂ 19.7kai-ml

☆

vwxyzjn/cleanrl

cleanrl：高质量的深度强化学习算法实现 — cleanrl提供了多种深度强化学习算法的实现，包括PPO、DQN、C51、DDPG、TD3、SAC和PPG等。这些算法都是在一个单文件中实现的，具有研究友好的特性。cleanrl的实现基于Python和PyTorch，能够与Gym和WandB等流行的机器学习库进行集成。

Python★ 10k⑂ 1.1kai-ml

☆

mozilla/DeepSpeech

DeepSpeech：开源嵌入式语音识别引擎 — DeepSpeech是一个开源的语音识别引擎，可以在设备上离线运行，使用C++编写，利用深度学习和神经网络技术来实现高准确率的语音识别。它支持多种设备，并且可以实时运行，具有广泛的应用前景。DeepSpeech的开源性使其受到广泛关注和贡献。

C++★ 26.8k⑂ 4.1kai-ml

☆

deepspeedai/DeepSpeed

DeepSpeed：深度学习优化库 — DeepSpeed是一个深度学习优化库，支持分布式训练和推理，能够有效地处理大规模模型和数据。它提供了诸如数据并行、模型并行、管道并行等功能，能够显著提高训练和推理的效率。DeepSpeed对于需要处理大量数据和复杂模型的机器学习和深度学习任务具有重要意义。

Python★ 42.7k⑂ 4.9kai-ml

☆

mli/paper-reading

paper-reading：深度学习论文精读 — paper-reading 项目通过对深度学习经典和新论文的逐段精读，帮助读者更好地理解和掌握相关知识。同时，该项目也为读者提供了一个深度学习论文的阅读列表。paper-reading 项目的内容对于深度学习领域的研究人员和开发人员具有重要的参考价值。

★ 33.6k⑂ 2.8kai-ml

☆

AccumulateMore/CV

CV：深度学习笔记 — CV仓库提供了全面深度学习笔记，涵盖Pytorch、李沐动手学深度学习、吴恩达深度学习和大飞大模型Agent等内容。这些笔记对于深度学习爱好者和开发者来说非常有价值。同时，仓库中也包含了多个相关主题的内容，如机器学习、自然语言处理和计算机视觉等

Jupyter Notebook★ 22.6k⑂ 2.6kai-ml

☆

assafelovic/gpt-researcher

gpt-researcher：深度研究自动化代理 — gpt-researcher是一个使用Python编写的自动化代理，能够对任何数据进行深度研究。它支持任何LLM提供商，实现了数据的自动化搜索和分析。这种自动化的研究能力使得gpt-researcher在数据分析和研究领域具有重要的应用价值

Python★ 28.3k⑂ 3.8kai-ml

☆

deepfakes/faceswap

faceswap：人工智能换脸软件 — faceswap利用深度学习和神经网络技术来交换视频或图像中的人脸。它可以用于各种应用，如电影特效、视频编辑和社交媒体。faceswap的开源性质使其成为研究人员和开发人员的热门选择

Python★ 55.3k⑂ 13.4kai-ml

☆

openinterpreter/openinterpreter

openinterpreter：轻量级编码代理 — openinterpreter是一个使用Rust编写的轻量级编码代理，支持Deepseek、Kimi和Qwen等开源模型。它能够提供高效的编码服务，帮助开发者更快速地完成编码任务。openinterpreter的出现对于促进开源模型的发展和应用具有重要意义

Rust★ 66.2k⑂ 5.7kai-ml

+431 ★☆

hpcaitech/ColossalAI

ColossalAI：大型AI模型的高性能计算框架 — ColossalAI通过数据并行、模型并行和流水线并行等技术，使得大型AI模型的训练和推理变得更快、更便宜和更容易访问。这种框架对于深度学习、分布式计算和超大规模模型的训练具有重要意义。同时，它也支持异构训练和推理，进一步提高了其灵活性和实用性

Python★ 41.4k⑂ 4.5kai-ml

☆

Hmbown/CodeWhale

CodeWhale：开源社区驱动代理工具 — CodeWhale是一个基于Rust语言开发的开源项目，旨在为命令行界面和终端用户提供更好的体验。它通过提供一个社区驱动的代理工具，来增强用户与系统之间的交互。这种方式可以提高用户的生产力和效率

Rust★ 39.7k⑂ 3.4ktools

☆

HKUDS/DeepTutor

DeepTutor：终身个性化辅导 — DeepTutor 是一个终身个性化辅导系统，旨在为用户提供持续的、个性化的学习支持。通过先进的机器学习技术，DeepTutor 能够根据用户的学习进度和偏好提供定制化的教学内容，帮助用户更有效地掌握知识。

Python★ 27.2k⑂ 3.6kother

+528 ★☆

pjreddie/darknet

darknet：神经网络框架 — darknet是一个开源的神经网络框架，使用C语言实现，能够高效地运行在各种设备上。它支持多种神经网络模型，包括卷积神经网络、循环神经网络等。darknet的主要优点是其高性能和灵活性，使其成为各类机器学习任务的热门选择。

C★ 26.5k⑂ 21.1kai-ml

☆

vllm-project/vllm

vllm：高性能LLM推理和服务引擎 — vllm是一个高性能的LLM推理和服务引擎，能够支持多种硬件平台，包括CUDA、TPU等。它使用PyTorch等框架，提供高吞吐量和内存高效的推理和服务能力。vllm的出现可以帮助提高LLM的推理和服务效率，减少计算资源的消耗

Python★ 86.3k⑂ 19.4kai-ml

☆

recommenders-team/recommenders

recommenders：推荐系统最佳实践 — recommenders 项目是一个开源的推荐系统示例代码仓库，使用 Python 编写，提供了多种推荐算法和模型的实现。该项目旨在帮助开发者快速构建和部署推荐系统，提高推荐系统的准确性和性能。通过使用 recommenders 项目，开发者可以轻松地将推荐系统集成到自己的应用中

Python★ 21.8k⑂ 3.3kai-ml

☆

doocs/advanced-java

advanced-java：Java 后端开发者进阶知识 — advanced-java 项目旨在帮助 Java 后端开发者提升技能，涵盖高并发、分布式、高可用、微服务、海量数据处理等领域知识。该项目包含了 Dubbo、Elasticsearch、Eureka、Feign、Hystrix、Redis、Ribbon、RPC、Spring Cloud、Zookeeper 等库的使用和最佳实践。通过学习 advanced-java，开发者可以更好地应对复杂的系统设计和开发挑战

Java★ 79k⑂ 19.2kbackend

☆

yunjey/pytorch-tutorial

pytorch-tutorial：深度学习研究教程 — pytorch-tutorial 为深度学习研究人员提供了 PyTorch 的基础知识和高级应用，涵盖了神经网络、深度学习等领域，帮助研究人员快速上手 PyTorch 并进行相关研究。通过此教程，研究人员可以更好地理解 PyTorch 的原理和应用。同时，pytorch-tutorial 也为相关领域的开发人员提供了一个学习和参考的平台

Python★ 32.4k⑂ 8.2kai-ml

☆

qdrant/qdrant

qdrant：高性能向量数据库和搜索引擎 — qdrant是一个高性能、可扩展的向量数据库和搜索引擎，用于下一代AI应用。它支持海量数据存储和高效查询，适用于AI搜索、推荐系统和机器学习等场景。qdrant还提供云服务，方便用户使用

Rust★ 33.2k⑂ 2.5kai-ml

☆

dgraph-io/dgraph

dgraph：高性能图数据库 — dgraph是一种高性能的图数据库，用于处理实时用例。它使用Go语言编写，能够支持分布式和知识图谱等功能。因此，dgraph在需要高性能和实时数据处理的场景中尤其重要

Go★ 21.7k⑂ 1.6kbackend

☆

karpathy/autoresearch

autoresearch：自动研究项目 — autoresearch项目使用AI代理自动进行研究，重点关注单GPU上的nanochat训练，能够自动完成训练过程。该项目利用Python语言开发，能够高效地进行研究工作。autoresearch项目的目标是实现自动化研究，减少人工干预，提高研究效率

Python★ 91.1k⑂ 13.1kai-ml

☆

coqui-ai/TTS

TTS：深度学习文本转语音工具包 — TTS是一个基于深度学习的文本转语音工具包，支持多种语音合成模型和声码器，包括Glow-TTS、HiFiGAN和MelGAN等。它已在研究和生产环境中得到广泛应用，能够生成高质量的语音。TTS的主要特点包括支持多说话人语音合成、声码器和语音合成模型的选择等

Python★ 45.7k⑂ 6.2kai-ml

☆

lutzroeder/netron

netron：神经网络可视化工具 — netron支持多种框架，如TensorFlow、PyTorch和Keras，能够帮助开发者更好地理解和优化他们的模型。通过可视化模型的结构和参数，netron能够提高开发效率和模型性能。同时，netron也支持多种模型格式，如ONNX和CoreML

JavaScript★ 33.2k⑂ 3.2kai-ml

☆

esengine/DeepSeek-Reasonix

DeepSeek-Reasonix：终端人工智能编码代理 — DeepSeek-Reasonix是一个基于Go语言开发的AI编码代理，能够稳定地运行在终端中，提供高效的编码辅助。它的设计重点是prefix-cache稳定性，确保用户体验的流畅性。通过使用DeepSeek-Reasonix，开发人员可以提高编码效率和准确性，节省时间和精力。

Go★ 26.8k⑂ 1.7ktools

☆

google-deepmind/sonnet

sonnet：TensorFlow神经网络库 — sonnet是一个开源的Python库，提供了一种简单的方式来构建和训练神经网络模型。它基于TensorFlow，支持快速的模型开发和部署。sonnet的设计目标是提供一个灵活和高效的神经网络构建框架，用于各种深度学习任务。

Python★ 9.9k⑂ 1.3kai-ml

☆

d2l-ai/d2l-zh

d2l-zh：深度学习中文教程 — d2l-zh 提供了一个深度学习的中文教程，涵盖了计算机视觉、机器学习和自然语言处理等方面的内容。该项目使用 Python 语言编写，适合中文读者学习和讨论深度学习。它已被全球70多个国家的500多所大学用于教学，具有重要的教育价值和影响力。

Python★ 78.8k⑂ 12.3kai-ml

☆

google-research/google-research

google-research：谷歌研究项目 — google-research项目旨在分享谷歌在人工智能、机器学习等领域的研究成果。该项目使用Jupyter Notebook作为主要语言，包含了许多有价值的研究资料。通过该项目，开发者可以更好地了解谷歌的研究方向和成果

Jupyter Notebook★ 38.4k⑂ 8.5kai-ml

☆

mvanhorn/last30days-skill

last30days-skill：跨平台研究和总结工具 — last30days-skill是一个使用Python语言开发的AI代理技能，能够在多个平台上研究任何主题，并综合生成一个有根据的总结。它支持跨Reddit、X、YouTube、HN、Polymarket和整个网络的搜索和总结，能够帮助用户快速获取信息。这种技能对于需要快速获取信息和研究各种主题的用户来说非常有用

Python★ 51k⑂ 4.3kai-ml

+352 ★☆

floodsung/Deep-Learning-Papers-Reading-Roadmap

Deep-Learning-Papers-Reading-Roadmap：深度学习论文阅读路线图 — Deep-Learning-Papers-Reading-Roadmap 为学习者提供了深度学习论文的阅读路线图，帮助他们更好地理解深度学习技术的发展和应用。该路线图涵盖了多个主题，包括 Python 编程语言和深度学习框架。通过阅读这些论文，学习者可以更深入地了解深度学习的原理和实践。

Python★ 39.5k⑂ 7.3kai-ml

☆

langchain-ai/langgraph

langgraph：构建强大的智能体 — langgraph是一个开源项目，用于构建能够执行复杂任务的智能体。它提供了一种灵活的框架，用于开发和部署基于AI的代理。langgraph的目标是让开发者能够轻松构建强大的智能体，从而推动AI技术的发展

Python★ 37.2k⑂ 6.2kai-ml

☆

hiyouga/LlamaFactory

LlamaFactory：统一高效微调 — LlamaFactory实现了对100多个LLMs和VLMs的统一高效微调，支持多种微调方法，包括fine-tuning、instruction-tuning和Lora等。该项目使用Python语言开发，基于Transformers库，能够高效地微调大语言模型。LlamaFactory的出现对于自然语言处理（NLP）领域具有重要意义，能够帮助研究人员和开发人员更好地利用大语言模型

Python★ 73.2k⑂ 8.9kai-ml

☆