tsai是基于Pytorch和fastai的开源深度学习库，专注时间序列分析，涵盖分类、回归和预测等任务。支持多种模型和数据集，并提供详尽的教程。适用于Pytorch 2.0，安装简便，适合开发和前沿研究。

此存储库专注于计算机视觉领域的卷积网络研究，包含多种分类、分割、检测和姿态估计模型的实现，支持MXNet/Gluon、PyTorch、Chainer、Keras和TensorFlow等框架。提供了训练、评估和转换的脚本以及针对不同框架的PIP包，模型预训练于ImageNet、CIFAR-10/100、SVHN等数据集，能够自动加载预训练权重。

Thinc是一款轻量级深度学习库，提供简洁的函数式编程API，支持与PyTorch、TensorFlow、MXNet等框架的集成。用户可以通过Thinc构建、配置和部署自定义模型。Thinc支持类型检查、简洁的函数式模型定义、可扩展的后台系统，并兼容Python 3.6+，适用于Linux、macOS和Windows操作系统。

本项目汇集了有关深度学习在对象检测和跟踪领域的论文、数据集、代码及各种资源。内容涵盖静态检测、视频检测、多对象跟踪和单对象跟踪等主题，并提供了多种经典模型如RCNN、YOLO、SSD的实现和改进方案。此外，项目还涵盖了图像和视频分割、光流、运动预测等任务的资源，为研究人员和开发者提供了详尽的参考资料。

本项目汇总自2014年以来的目标检测相关深度学习研究论文，含最新论文、代码实现及性能数据。资源周期性更新，旨在为开发者和研究人员提供有价值的信息参考，帮助掌握领域前沿技术与动态。

oneAPI Deep Neural Network Library (oneDNN) 是一个开源的跨平台性能库，提供深度学习应用的核心模块。oneDNN 专为Intel架构处理器、Intel图形处理器和Arm 64位架构处理器进行优化，并实验性支持NVIDIA、AMD、OpenPOWER、IBMz 和 RISC-V 等架构的 GPU 和 CPU。深度学习应用及框架开发者可以利用oneDNN提升在多种硬件上的性能表现。

carefree-learn项目致力于简化深度学习流程，特别是基于PyTorch的训练与推理。采用模块优先、原生兼容的设计原则，支持AI模型推理，符合现代AI的发展趋势，并遵循MIT许可证。项目提供易于使用的接口和高性能模块，适合开发者与使用者。

本仓库收录了300多篇时间序列与时空预测的论文，涵盖多种预测模型类型。这些论文包括顶级会议和期刊发表的研究成果以及最新的arXiv论文。支持单变量、多变量及不规则时间序列预测，广泛应用于交通和天气等领域。仓库内容持续更新，并推荐热门工具库和最新模型，是时间序列预测研究的重要资源。