"基礎模型"

doctrine/lexer

lexer：基礎詞法分析庫 — lexer是一個基礎詞法分析庫，可以用於構建Top-Down、遞歸下降解析器，提供了基礎的詞法分析功能。這個庫的主要目的是提供一個基礎的詞法分析框架，讓開發者可以輕鬆地構建自己的解析器。同時，lexer也可以用於提高解析器的效率和準確性

PHP★ 11.2k⑂ 64backend

☆

Robbyant/lingbot-map

lingbot-map：基於3D場景重建的流資料模型 — lingbot-map是一個基於深度學習的3D場景重建模型，使用feed-forward架構，能夠從流資料中重建場景。這個模型可以應用於各種需要場景重建的領域，例如機器人、自動駕駛等。lingbot-map的出現對於場景重建領域具有重要意義

Python★ 14.4k⑂ 1.5kdata

+565 ★☆

langchain-ai/open_deep_research

open_deep_research：開源深度研究平台 — open_deep_research 提供了一個強大的開源框架，支持各種深度學習模型的開發和研究。它對於希望在深度學習領域進行創新研究的開發者來說極為重要。

Python★ 12.3k⑂ 1.7kother

+23 ★☆

microsoft/BitNet

BitNet：1 位 LLM 推理框架 — BitNet 是一個開源的框架，旨在為 1 位大型語言模型（LLMs）提供高效的推理能力。它使用 Python 進行開發，為開發人員提供了一個簡單易用的介面。通過 BitNet，開發人員可以輕鬆地部署和管理 1 位 LLMs，從而提高推理效率和準確度

C++★ 39.8k⑂ 3.7kai-ml

☆

shiyu-coder/Kronos

Kronos：金融市場語言的基礎模型 — Kronos 是一個專為金融市場語言設計的基礎模型，旨在理解和生成與金融市場相關的文本。這個模型對於分析金融新聞、報告和市場趨勢具有重要價值。

Python★ 32.6k⑂ 5.6kother

+137 ★☆

zml/zml

zml：零損害的模型硬件整合 — zml是一個使用Zig語言建構的項目，旨在實現任何模型在任何硬件上運行的能力，同時結合了@ziglang、@openxla、MLIR和@bazelbuild等技術。這個項目的目的是提供一個高效、靈活的模型部署解決方案，讓開發者可以輕鬆地將模型部署在各種硬件平台上。同時，zml也提供了高性能的模型推理能力，讓開發者可以實現高效的AI應用。

Zig★ 3.9k⑂ 170ai-ml

☆

datawhalechina/happy-llm

happy-llm：大模型构建项目 — happy-llm项目旨在从零开始构建大模型，使用Jupyter Notebook语言开发，涵盖了agent、llm和rag等主题。该项目为构建大模型提供了一个基础框架，能够帮助开发者更好地理解和实现大模型的构建。同时，该项目也是一个开源项目，欢迎开发者参与贡献和学习

Jupyter Notebook★ 32.2k⑂ 3.1kai-ml

☆

datawhalechina/all-in-rag

all-in-rag：大模型應用開發實戰 — all-in-rag 提供了全面的 RAG 技術指南，涵蓋了從基礎到進階的應用開發，是學習和使用大模型的寶貴資源。

Python★ 9.6k⑂ 4.8kai-ml

☆

hpcaitech/ColossalAI

ColossalAI：大型 AI 模型開發框架 — ColossalAI 通過提供高效的數據平行和模型平行計算方法，使大型 AI 模型的訓練和推理過程更快更便宜。這項技術的開發對於推動 AI 研究和應用具有重要意義，尤其是在大型模型和分布式計算領域。同時，ColossalAI 也支持異構訓練和管道平行等先進功能，進一步擴展了其在 AI 研究和開發中的應用價值。

Python★ 41.4k⑂ 4.5kai-ml

☆

aristocratos/btop

btop：系統資源監控工具 — btop是一個系統資源監控工具，提供CPU、記憶體、磁碟和網路等資源使用情況的即時統計。它可以幫助用戶了解系統的性能和瓶頸，從而優化系統的配置和使用。通過btop，用戶可以快速地識別系統中的問題和優化機會

C++★ 33.6k⑂ 1.1kother

☆

mckaywrigley/chatbot-ui

chatbot-ui：人工智慧聊天界面 — chatbot-ui 提供了一個簡單的聊天界面，讓使用者可以輕鬆地與 AI 模型進行交互。這個項目使用 TypeScript 開發，提供了高效和可擴展的解決方案。通過 chatbot-ui，開發者可以快速地建立自己的聊天機器人

TypeScript★ 33.3k⑂ 9.4kai-ml

☆

andrewyng/context-hub

context-hub：內容集線器 — context-hub 是一個開源的 JavaScript 專案，旨在提供內容管理和集線功能，讓開發者能夠更容易地管理和整合不同的內容來源。這個專案使用 JavaScript 開發，提供了一個靈活和可擴展的解決方案，讓開發者能夠根據自己的需求進行自訂。同時，context-hub 也提供了一個強大的 API，讓開發者能夠更容易地與其他應用程式和服務進行整合

JavaScript★ 13.8k⑂ 1.2kweb

☆

m87-labs/moondream

moondream：微型視覺語言模型 — moondream 是一個基於 Python 的微型視覺語言模型，利用深度學習技術實現視覺和語言之間的交互。這個模型可以用於各種應用，例如圖像描述、視覺問答等。moondream 的開發對於推動人工智慧和機器學習的發展具有重要意義

Python★ 9.9k⑂ 789other

☆

harvard-edge/cs249r_book

cs249r_book：機器學習系統 — cs249r_book 是一個關於機器學習系統的項目，使用 Python 進行開發。它提供了機器學習系統的相關知識和實踐指南。該項目對於機器學習系統的開發和應用具有重要意義

Python★ 27k⑂ 3.2kother

+329 ★☆

lllyasviel/ControlNet

ControlNet：控制擴散模型的庫 — ControlNet是一個開源的Python庫，旨在控制和管理擴散模型的行為。它提供了一個簡單的介面來控制模型的輸出，讓用戶可以更好地理解和使用這些模型。這個庫對於研究人員和開發人員來說非常重要，因為它可以幫助他們更好地控制和優化擴散模型

Python★ 34k⑂ 3kai-ml

☆

stanfordnlp/dspy

dspy：語言模型編程框架 — dspy提供了一個簡單的方式來編程語言模型，讓開發者可以輕鬆地創建和訓練自己的模型。這個框架的目的是讓開發者可以更好地控制語言模型的行為，從而提高模型的性能和可靠性。同時，dspy也提供了一個強大的工具集，讓開發者可以輕鬆地擴展和自定義自己的模型

Python★ 36.2k⑂ 3.1kbackend

☆

dottxt-ai/outlines

outlines：結構化輸出 — outlines 是一個用於生成結構化輸出的工具，特別適合需要精確格式化的應用場景。

Python★ 15.1k⑂ 802other

+364 ★☆

OpenRLHF/OpenRLHF

OpenRLHF：基於 Ray 的高效能代理式強化學習框架 — OpenRLHF 提供了一個易於使用、可擴展且高效能的框架，讓研究人員和開發人員可以快速地開發和部署強化學習模型。它基於 Ray，支援多種演算法和技術，包括 PPO、DAPO、REINFORCE++、VLM、TIS、vLLM 和 Async RL。OpenRLHF 的目標是提供一個高效能和可擴展的框架，讓強化學習可以更廣泛地應用於各個領域。

Python★ 9.8k⑂ 986ai-ml

☆

BVLC/caffe

caffe：深度學習快速開放框架 — caffe是一個開源的深度學習框架，旨在提供快速和高效的神經網絡計算功能。它支持多種程式語言，包括C++、Python和MATLAB，同時也提供了豐富的API和工具，讓開發者可以輕鬆地使用和擴展。caffe的優勢在於其高性能和高擴展性，使其成為深度學習領域的一個重要工具

C++★ 34.6k⑂ 18.5kai-ml

☆

huggingface/transformers

transformers：機器學習模型框架 — transformers 提供了一個統一的框架，讓開發者可以輕鬆地使用和訓練各種機器學習模型，包括自然語言處理、語音識別和視覺模型等。這個框架支持 PyTorch 和其他深度學習庫，讓開發者可以快速地部署和集成模型。同時，transformers 還提供了大量的預訓練模型，讓開發者可以快速地開始自己的項目。

Python★ 162.7k⑂ 33.9kai-ml

☆

microsoft/graphrag

graphrag：基於圖的检索增強生成系統 — graphrag 是一個基於圖的检索增強生成系統，利用圖結構來增強生成模型的能力。這個系統可以應用於各種自然語言處理任務，例如文本生成和問答系統。graphrag 的模組化設計使其易於擴展和自定義，適合各種應用場景

Python★ 34.5k⑂ 3.6kai-ml

☆

fenixsoft/awesome-fenix

awesome-fenix：大型分布式系统构建讨论 — awesome-fenix 项目旨在探讨大型分布式系统的构建方法，涵盖了微服务、云原生、Istio、Kubernetes 和 Spring Cloud 等技术。通过讨论和分享，开发者可以更好地理解如何设计和实现可靠的分布式系统。同时，awesome-fenix 也为开发者提供了一个交流和学习的平台

Vue★ 9.4k⑂ 1.1kdevops

☆

nasa/fprime

fprime：飛行軟體與嵌入式系統框架 — fprime 提供了一個強大的框架，用于開發飛行軟體和嵌入式系統，讓開發者可以快速地建立和部署應用程式。該框架支持多種平台和硬體，具有高可靠性和可擴展性。fprime 的開源性質使其成為一個非常有吸引力的選擇，用于各種飛行和嵌入式系統的開發

C++★ 11.5k⑂ 1.7kbackend

+22 ★☆

pjreddie/darknet

darknet：神經網路框架 — darknet 提供了一個簡單且高效的方式來實現 CNN 模型，支援多種神經網路架構和訓練算法。這個框架廣泛應用於圖像識別、物體偵測等領域。darknet 的優點在於其高性能和低資源占用，使其成為嵌入式系統和移動設備的理想選擇。

C★ 26.5k⑂ 21kai-ml

☆

gradio-app/gradio

gradio：機器學習應用程式開發工具 — gradio允許用戶使用Python輕鬆建立和分享機器學習模型的界面，支援數據分析、數據視覺化和深度學習等功能。這個庫可以幫助開發者快速部署機器學習模型，提高開發效率。同時，gradio也提供了一個簡單易用的界面，讓用戶可以輕鬆地與機器學習模型進行交互

Python★ 43.2k⑂ 3.6kdata

☆

MiniMax-AI/skills

skills：人工智慧技能開發 — skills是一個開源項目，提供了一個基於C#的技能開發框架，讓開發者可以輕鬆地創建和集成人工智慧技能。這個項目的目的是提供一個簡單和靈活的方式來開發和應用人工智慧技能。同時，skills也提供了一個強大的API，讓開發者可以輕鬆地擴展和自定義技能

C#★ 13.1k⑂ 1.1kother

☆

lutzroeder/netron

netron：神經網路視覺化工具 — netron是一個視覺化工具，允許用戶瀏覽和分析神經網路、深度學習和機器學習模型。它支持多種模型格式，包括ONNX、PyTorch和TensorFlow。通過netron，用戶可以更好地理解模型的結構和運作，從而提高模型的性能和準確性

JavaScript★ 33.2k⑂ 3.2kai-ml

☆

Genesis-Embodied-AI/genesis-world

genesis-world：機器人與嵌入式 AI 學習模擬平台 — genesis-world 提供了一個模擬環境，讓研究人員和開發人員可以在虛擬世界中訓練和測試機器人和嵌入式 AI 模型。這個平台可以幫助加速機器人和 AI 的開發和應用，同時也可以降低實驗的成本和風險。genesis-world 的模擬環境可以模擬各種不同的場景和環境，讓用戶可以更好地理解和改進他們的機器人和 AI 模型。

Python★ 29.6k⑂ 2.8kai-ml

☆

calcom/cal.diy

cal.diy：開源排程基礎設施 — cal.diy 提供了一個開源的排程基礎設施，讓開發者可以輕鬆地建立自己的排程系統。該項目使用了多種流行的技術，包括 nextjs、postgresql、prisma 和 tailwindcss。通過 cal.diy，開發者可以快速建立一個可靠且高效的排程系統，滿足各種需求。

TypeScript★ 46.6k⑂ 14.5kweb

☆

jina-ai/serve

serve：雲原生多模態AI應用框架 — serve是一個基於Python的框架，使用雲原生技術如Kubernetes、Docker和FastAPI等，能夠幫助開發者快速打造多模態AI應用。它支持多種AI模型和框架，如深度學習和機器學習等。serve的雲原生設計使其能夠輕鬆擴展和部署，非常適合大規模AI應用的開發

Python★ 21.9k⑂ 2.2kai-ml

☆

spring-projects/spring-framework

spring-framework：Java 框架 — spring-framework 是一个综合的 Java 应用程序框架，提供了强大的依赖注入和面向切面编程功能。它帮助开发者快速构建可靠和可维护的应用程序。spring-framework 广泛应用于企业级应用程序开发中

Java★ 60k⑂ 38.8kbackend

☆

Comfy-Org/ComfyUI

ComfyUI：模組化擴散模型GUI、API和後端 — ComfyUI提供了一個強大且模組化的擴散模型GUI、API和後端，允許用戶以圖表/節點界面進行交互。這個項目使用Python和PyTorch等技術實現，對於AI和Stable Diffusion的開發具有重要意義。通過ComfyUI，開發者可以更容易地構建和管理自己的擴散模型應用

Python★ 121.4k⑂ 14.3kai-ml

☆

BuilderIO/agent-native

agent-native：原生代理應用框架 — agent-native 提供了一個強大的框架，讓開發者可以輕鬆建立原生代理應用程式。這個框架使用 TypeScript 語言開發，提供了高效和可擴展的解決方案。agent-native 的出現，讓開發者可以更容易地建立複雜的原生代理應用程式。

TypeScript★ 1.2k⑂ 122ai-ml

+147 ★☆

langchain-ai/langgraph

langgraph：建設強健的代理 — langgraph 是一個開源的 Python 框架，能夠幫助開發者建立強健的代理，利用 AI 技術來實現智能代理的功能。這個框架提供了一個簡單的方式來建設和管理代理，能夠應用於各種領域。langgraph 的目的是為了提供一個強健和可擴展的代理建設框架，能夠幫助開發者建立更好的智能代理

Python★ 37.6k⑂ 6.3kai-ml

☆

myshell-ai/OpenVoice

OpenVoice：即時語音複製技術 — OpenVoice 是一個利用 Python 開發的音頻基礎模型，能夠實現即時語音複製，為 text-to-speech 和 voice-clone 領域提供了新的解決方案。這個技術的出現對於語音合成和語音識別領域具有重要意義。OpenVoice 的 zero-shot-tts 能力使其在業界具有競爭力

Python★ 37k⑂ 4.1kother

☆

haotian-liu/LLaVA

LLaVA：視覺指令調整模型 — LLaVA是一個基於視覺指令調整的模型，旨在達到GPT-4V級別的能力，並超越它。它利用視覺和語言的多模態學習，實現了更強大的視覺語言學習能力。這個模型的開發對於聊天機器人和多模態學習領域具有重要意義

Python★ 24.9k⑂ 2.8kai-ml

☆

google-research/timesfm

timesfm：時間序列預測基礎模型 — timesfm是一種基於Python的預訓練模型，適用於時間序列預測。它可以幫助用戶快速高效地進行時間序列分析和預測。timesfm的開發目的是為了提供一個強大的時間序列預測工具，幫助用戶解決實際問題

Python★ 24.6k⑂ 2.3kother

+433 ★☆