#Github

Open SaaS模板是一款免费且开源的SaaS启动模板，支持React和Node.js，内置丰富功能，如全栈认证、类型安全、支付集成、文件上传和邮件发送等。使用Wasp框架可以快速构建并一键部署SaaS应用。

Mycroft是一个开源且可定制的语音助手，兼容多种设备和应用。通过简单的安装和详细的配置，用户能迅速上手并开发技能。Mycroft提供丰富的API和文档，便于深度定制，同时支持多种语音识别和天气预报等功能。加入Mycroft社区，与开发者互动，提升项目体验。

wukong-robot 是一个灵活、模块化的中文语音对话机器人和智能音箱项目，集成多种语音识别和合成技术，支持本地及在线对话机器人，可定制名称与功能，适用于智能家居控制和脑机接口唤醒。开放API和简单安装，使其成为个性化智能音箱的理想选择。

这是一款支持Midjourney提示词可视化编辑和管理的工具，具备中文翻译、分类、排序、隐藏和导出提示词图像等功能。通过Notion管理提示词词典，用户可以将演示文档复制到自己的Notion工作区，并创建集成插件实现连接。提供详细的使用教程和开发者指南，支持本地运行、Docker部署和翻译服务配置。

Pyro是基于PyTorch的深度概率编程库，具备灵活性和可扩展性。它能够表示任何可计算的概率分布，处理大规模数据集时具有较低的开销，并提供强大且可组合的抽象功能。Pyro由Uber AI最初开发，现由社区和Broad Institute团队积极维护，并在2019年成为Linux Foundation项目。其设计理念包括普适性、可扩展性和灵活性。通过高层抽象表达生成和推理模型，用户可以根据需求进行自动化或自定义推理。在机器学习和数据科学领域，Pyro提供了广泛的应用和支持。

CNN Explainer 是一个用于学习卷积神经网络的互动可视化工具，提供实时演示和本地运行功能。用户可以克隆代码库并在本地环境中运行，支持自定义模型和图像类别。该工具由乔治亚理工学院与俄勒冈州立大学合作开发。

提供30多个深度学习和机器学习项目创意，从入门到研究级别，适用于学术界和工业界。涵盖黑客松创意、文本处理、时间序列预测、推荐系统、图像和视频处理、音乐和音频处理等多个领域，帮助开发者和研究人员实践最新技术。

Magika是一款基于深度学习的文件类型检测工具，能够在单CPU上以毫秒级速度准确识别文件类型。支持Python命令行和API，适用于多种应用场景。模型仅1MB，训练数据覆盖2500万个文件和100多种内容类型，精度和召回率均超过99%。

AutoGluon简化了机器学习任务，让用户可以在图像、文本、时间序列和表格数据上轻松训练和部署高精度模型。它支持Python 3.8至3.11，并可在Linux、MacOS和Windows上运行。只需几行代码即可快速构建端到端机器学习模型，提供详细的安装指南、快速入门教程和丰富的资源，适合各层次用户的需求。

TensorLayer 是一个基于 TensorFlow 的深度学习和强化学习库，为研究人员和工程师提供多种可定制的神经网络层，简化复杂 AI 模型的构建。它设计独特，结合了高性能与灵活性，支持多种后端和硬件，并提供丰富的教程和应用实例。广泛应用于全球知名大学和企业，如谷歌、微软、阿里巴巴等。

该指南全面涵盖深度学习领域的求职面试知识，包括数学、机器学习、深度学习、强化学习、计算机视觉、图像处理、自然语言处理、SLAM、推荐算法、数据结构与算法、编程语言（C/C++/Python）、深度学习框架等，旨在帮助求职者高效准备面试。

Paddle Lite 是为移动端、嵌入式和边缘设备设计的高性能深度学习推理框架。支持多种硬件平台和操作系统，提供丰富的优化工具和多语言 API，便于快速部署和执行推理任务。通过量化和子图融合等策略，Paddle Lite 实现了轻量化和高性能，并已广泛应用于百度和其他企业。用户可以通过简单步骤完成模型优化和部署，并快速上手示例。

OpenNMT-py是基于PyTorch的开源神经机器翻译和语言模型框架，适用于研究和生产。支持大语言模型转换、量化以及多GPU并行。提供教程、文档和社区支持，适合翻译、总结等多种NLP任务。最新版本引入了多查询注意力机制和线性去偏等新功能。

BoxMOT项目提供可插拔的多对象跟踪模块，支持分割、目标检测和姿态估计。提供适用于各种硬件配置的跟踪方法，包括CPU和GPU。兼容多种ReID模型及Yolov8、Yolo-NAS、YOLOX等目标检测模型，并通过快速实验脚本提高实验效率。

本项目汇总了斯坦福CS 230深度学习课程的关键概念和实用技巧，包括卷积神经网络、递归神经网络及模型训练的提示。所有内容通过备忘单形式呈现，支持多语言版本，便于随时查阅。

Dopamine是一个用于快速原型设计强化学习算法的研究框架，旨在便于用户进行自由实验。其设计原则包括易于实验、灵活开发、紧凑可靠和结果可重复。支持的算法有DQN、C51、Rainbow、IQN和SAC，主要实现于jax。Dopamine提供了Docker容器及源码安装方法，适用于Atari和Mujoco环境，并推荐使用虚拟环境。更多信息请参阅官方文档。

Pwnagotchi项目利用A2C算法和bettercap工具，自动学习和优化WPA密钥捕获。通过LSTM与MLP特征提取器提高破解效率，并在不同WiFi环境中不断改进。多个设备可通过自定义协议协作，实现更高效的网络入侵。项目提供详细文档和社区支持，适合对WiFi安全和AI技术感兴趣的用户。

一个创新的平台，用于分享和协作稳定扩散模型、文本反转、超网络等AI生成模型。平台采用现代Web技术构建，功能强大且用户友好。

Snorkel项目由斯坦福大学发起，致力于通过编程自动化标注、构建和管理训练数据，重塑机器学习项目的成功要素。该项目不仅实现了其研究目标，还与Google、Intel等领先机构合作，支持生产部署，并发表了大量相关论文。Snorkel现已发展为Snorkel Flow，一个简化AI应用开发的端到端平台。

k8sgpt是一个专为Kubernetes集群设计的AI工具，能够扫描、诊断和排查问题，并提供深度分析。整合了SRE经验，k8sgpt可以提取最相关的信息并进行AI解释，支持OpenAI、Azure、Cohere等多种AI提供商和本地模型。该工具支持多种安装方式，包括brew、rpm和deb，适用于Linux、Mac和Windows系统。其集成模式适合集群持续监控，可与Prometheus和Alertmanager等系统无缝结合。

FiftyOne 是一款提升机器学习工作流的开源工具，通过可视化数据集和解读模型结果来提高效率。用户可用它处理复杂标签、评估模型、探索场景、识别错误模式和注释错误等。安装简便，可通过 pip 安装并运行示例代码快速上手。

本项目实现了基于PaLM架构的强化学习与人类反馈（RLHF），适用于开放环境下的ChatGPT复现。结合了LoRA微调和Flash Attention技术，提供详细的安装和使用指南。加入社区，探索最新的PPO和RL技术进展。

本项目基于FAN的先进深度学习方法，提供高精度的2D和3D人脸标志检测。支持多种面部检测器，并可在CPU和GPU上运行。用户可通过pip或conda安装，并能处理整目录图像。适用于Python 3.5+，推荐使用CUDA GPU以获得最佳性能。欢迎贡献和反馈，详情请参阅原始论文及项目页面。

该资源库提供2020年NYU深度学习课程的全面资料，包括视频和文本格式。适用于Mac、Ubuntu和Windows系统，用户需安装Miniconda和相关Python包，通过Git获取课程资源。课程使用Jupyter Notebook和JupyterLab进行数据探索和可视化，推荐使用暗色主题以获得最佳效果。

ModelScope简化了AI模型在推理、训练和评估方面的流程，支持CV、NLP、语音、多模态和科学计算等领域的应用。该平台提供统一接口和丰富的API层级，便于开发者轻松集成和使用700多种最新开源模型。适合初学者和专业人士快速上手，体验强大功能。

wav2letter++现已整合到Flashlight中，专注于端到端和在线语音识别的研究。该项目提供多种预训练模型和数据准备指南，适用于有监督和半监督学习。通过Flashlight的ASR应用实现所有功能，确保高效、准确的语音识别。

Tensorpack是基于TensorFlow的神经网络训练接口，专注于提升训练速度与性能。其高效的数据加载和并行化策略显著提高了训练速度，尤其是在CNN上的表现比Keras代码快1.2到5倍。Tensorpack适合需要可重复和灵活研究的开发者，支持多GPU和分布式训练，并提供多个著名论文的高质量复现案例。Tensorpack并不是一个模型包装器，用户可以灵活使用TensorFlow及其他高层API。

了解TensorFlow文档的来源及其相关指南和教程。参与文档贡献需参考贡献和风格指南，并通过问题跟踪器提交问题。社区翻译项目由社区贡献、审核和维护，提供多语言支持。

Chainer是一个Python深度学习框架，提供基于define-by-run方法的自动微分API（动态计算图）和面向对象的高级API，用于构建和训练神经网络。通过CuPy支持CUDA/cuDNN，实现高性能训练和推理。尽管Chainer已进入维护阶段，仅进行bug修复和维护，但其文档、教程和社区资源仍然活跃，适合研究和开发深度学习模型的用户。

Augmentor是一个Python图像增强库，适用于机器学习，特别是神经网络和深度学习。它支持平台无关的图像增强，允许用户通过构建增强管道实现精细控制，采用随机方法进行操作。主要功能包括多线程加速、多掩码处理、与Keras和PyTorch集成，以及弹性扭曲、透视变换、尺寸保持旋转和剪切、随机擦除等多种增强技术。

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。

第三版实用深度学习教程，提供程序员深度学习的实际应用指南。需使用fastai1与配套notebooks，不兼容最新的fastai。如需最新版本教程，请访问指定链接。

Edward 是一个用于概率建模、推断和模型评估的Python库。它融合了贝叶斯统计、机器学习、深度学习和概率编程，支持多种模型，如有向图模型、神经网络、隐式生成模型和贝叶斯非参数。Edward 提供变分推断、蒙特卡罗方法、生成对抗网络等多种推断方法，并支持模型和推断的评估。构建于TensorFlow之上，支持计算图、分布式训练、CPU/GPU集成和自动微分。

LayoutParser提供多种深度学习模型和统一API，简化文档图像分析任务。支持布局检测、OCR、数据可视化等功能，并允许共享模型和分析流程。安装简便，可根据需求选择依赖项，是文档图像处理的理想工具。

TabNine是一个多语言自动补全工具的后端，虽然闭源，但用户可以通过提交issue提出功能请求，或对配置文件进行pull request。TabNine兼容多种编辑器，如VS Code、Sublime Text、Vim和Atom等，也有第三方开发的Emacs、Deoplete和Eclipse客户端。支持的体系结构包括x86_64、aarch64和i686等。

Bytom是一种区块链协议，支持用户定义、发行和转移数字资产。其官方golang实现提供关键管理、账户及资产管理、交易发送等功能，可通过Homebrew或源码安装。项目正在积极开发中，提供详细的安装和运行指南，并欢迎社区贡献。