deep-learning

(⌐■_■) - 深度强化学习仪表，为 bettercap 提供 WiFi 破解功能

ModelScope：将模型即服务（Model-as-a-Service）的概念落地。

使用 Python 与 PyTorch 的深度通用概率编程

Hello AI World：部署深度学习推理网络与深度视觉原语的指南，使用 TensorRT 与 NVIDIA Jetson

机器学习示例与教学合集

深度学习面试宝典（含数学、机器学习、深度学习、计算机视觉、自然语言处理和SLAM等方向）

最简便的 AI 应用与模型服务方式 ─ 构建模型推理 API、作业队列、LLM 应用、多模型流水线等

MIT 6.S191 课程：深度学习入门实验材料

机器人视觉、移动机器人 VS‑SLAM、ORB‑SLAM2、深度学习目标检测 yolov3、行为检测、OpenCV、PCL、机器学习、无人驾驶

医疗影像 AI 工具箱

EmotiVoice 😊：多语音与提示控制的文字转语音引擎

Transformer 可视化解释：通过交互式可视化学习 LLM Transformer 模型工作原理

可扩充的大型基础模型微调与推理工具包。Large Models for All。

在 Pytorch 中实现 Google 的文字到图像神经网络 Imagen

BoxMOT：可插拔的 Python 与 C++ 最先进多目标追踪模块，支持轴对齐和方向性边界框。

易于使用、模块化且可扩展的深度学习 CTR 模型套件

Stanford NLP Python 库，用于多种人类语言的分词、句子分割、命名实体识别与句法分析

在 PaLM 架构之上实现 RLHF（带人类反馈的强化学习）。基本上是 ChatGPT，但使用 PaLM。

包含斯坦福大学与 Deeplearning.ai（Coursera 2022）机器学习专项课程的解决方案与笔记，授课者 Andrew NG 教授

为大学生或任何想深入 AI 领域的学习者提供的详细且量身定制指南，奠定坚实基础

PyTorch 中的变分自编码器（VAE）集合

🔥 基于 pytorch 构建的 2D 与 3D 人脸对齐库

高效计算 NumPy 代码的导数

Kimi K3 2.78 兆参数模型，单 CPU 推理 8.24 GB RAM，C99 可携式：无 BLAS、无框架、无 GPU

H2O 是开源、分布式、快速且可扩展的机器学习平台：深度学习、梯度提升（GBM）与 XGBoost、随机森林、广义线性模型（GLM with Elastic Net）、K-Means、PCA、广义加法模型（GAM）、RuleFit、支持向量机（SVM）、堆叠集成、AutoML 等

OpenMMLab 多模态先进、生成式与智能创作工具箱。解锁魔法 🪄：生成式 AI（AIGC）、易用 API、超赞模型库、扩散模型，支持文本到图像生成、图像/视频修复与增强等。

通过这本非传统教材，成为破解 AI/ML 研究员/工程师，涵盖数学、计算与机器学习直观概念。

推荐系统入门教程，在线阅读地址：https://datawhalechina.github.io/fun-rec/

PaddlePaddle 高性能深度学习端侧推理引擎（移动和边缘）

Flower：友好的联邦 AI 框架