Transformers Breakdown：深入剖析Transformer架构的代码解析项目。亮点：1. 逐行解读Transformer代码，适合初学者快速上手；2. 使用PyTorch实现，代码简
【Transformers Breakdown：深入剖析Transformer架构的代码解析项目。亮点：1. 逐行解读Transformer代码，适合初学者快速上手；2. 使用Py
![[214星] DeepSeek R1：介绍了如何从头构建 DeepSeek R1 模型，包括使用 Qwen 作为基础模型，应用 GRPO 算法进行初步训练，以及通过 Supervised Fine-T](http://wx1.sinaimg.cn/bmiddle/5396ee05ly8hyy797ojzwj21j90u0gqp.jpg)
[214星] DeepSeek R1：介绍了如何从头构建 DeepSeek R1 模型，包括使用 Qwen 作为基础模型，应用 GRPO 算法进行初步训练，以及通过 Supervised Fine-T
【[214星] DeepSeek R1：介绍了如何从头构建 DeepSeek R1 模型，包括使用 Qwen 作为基础模型，应用 GRPO 算法进行初步训练，以及通过 Sup
![[80星]r1-ktransformers-guide：让你的DeepSeek-R1 GGUF模型在KTransformers上飞速运行。亮点：1. 性能提升近2倍，比llama.cpp更快；2. 支](http://wx4.sinaimg.cn/bmiddle/5396ee05ly8hyupvdop53j22ej0u0tgk.jpg)
[80星]r1-ktransformers-guide：让你的DeepSeek-R1 GGUF模型在KTransformers上飞速运行。亮点：1. 性能提升近2倍，比llama.cpp更快；2. 支
【[80星]r1-ktransformers-guide：让你的DeepSeek-R1 GGUF模型在KTransformers上飞速运行。亮点：1. 性能提升近2倍，比llama.cpp更快；2.
《理解深度学习》随书代码：各种深度学习模型的Colab Notebooks实现代码
【《理解深度学习》随书代码：各种深度学习模型的Colab Notebooks实现代码】
'Understanding Deep Learning'
深度学习 Python
Transformers from Scratch：从零开始构建Transformer模型，带你深入理解自然语言处理的核心技术！亮点：1. 从基础概念到完整架构，逐步解析Transformer的每一个
【Transformers from Scratch：从零开始构建Transformer模型，带你深入理解自然语言处理的核心技术！亮点：1. 从基础概念到完整架构，逐步
NX-AI mLSTM Kernels：提供了一套快速高效的 mLSTM 核心库，支持并行、分块和循环步骤的处理方式，并提供了 PyTorch 和 JAX 的封装
【NX-AI mLSTM Kernels：提供了一套快速高效的 mLSTM 核心库，支持并行、分块和循环步骤的处理方式，并提供了 PyTorch 和 JAX 的封装】
DL4Proteins notebooks：深度学习工具箱，让生物分子结构预测和设计变得简单易懂，特别适合科研人员、教育工作者和学生使用，推动合成生物学和治疗学创新发展
【DL4Proteins notebooks：深度学习工具箱，让生物分子结构预测和设计变得简单易懂，特别适合科研人员、教育工作者和学生使用，推动合成
xLSTM-jax： JAX 实现的 xLSTM 模型库，提供高效的训练和推理代码
【xLSTM-jax： JAX 实现的 xLSTM 模型库，提供高效的训练和推理代码】'NX-AI/xlstm-jax: Official JAX implementation of xLSTM incl
Ivy：强大的机器学习框架代码转换工具，支持PyTorch、TensorFlow、JAX、NumPy等主流框架之间的代码互转，可以轻松实现模型、工具和库的跨框架移植，支持即时转换和延迟转换两种模式，还
【Ivy：强大的机器学习框架代码转换工具，支持PyTorch、TensorFlow、JAX、NumPy等主流框架之间的代码互转，可以轻松实现模型、工具和库
Zephyr：一个基于JAX的声明式神经网络库，让设计、创建和操作神经网络变得更简单快捷，特别适合想要快速实现机器学习想法的开发者
【Zephyr：一个基于JAX的声明式神经网络库，让设计、创建和操作神经网络变得更简单快捷，特别适合想要快速实现机器学习想法的开发者】'
OLMo-core：AI2开源的OLMo语言模型核心构建模块，基于PyTorch实现，提供了完整的模型训练和优化组件，支持多种规模模型(1B-13B)训练，包含flash attention、floa
【OLMo-core：AI2开源的OLMo语言模型核心构建模块，基于PyTorch实现，提供了完整的模型训练和优化组件，支持多种规模模型(1B-13B)训练，包
ComfyUI-HunyuanVideoWrapper：一个为HunyuanVideo模型开发的ComfyUI封装节点，可在ComfyUI环境中进行视频生成。支持flash_attn和sageattn
【ComfyUI-HunyuanVideoWrapper：一个为HunyuanVideo模型开发的ComfyUI封装节点，可在ComfyUI环境中进行视频生成。支持flash_attn和s
Deep-ML开放问题库：一个开源的问题库，专注于线性代数、机器学习和深度学习，提供从零开始解决问题的丰富学习体验，助力网站Deep-ML
【Deep-ML开放问题库：一个开源的问题库，专注于线性代数、机器学习和深度学习，提供从零开始解决问题的丰富学习体验，助力网站Deep-ML】
conv_visualizer：一个神经网络卷积可视化工具，通过交互式界面让用户绘制数字或图形，实时展示神经网络中卷积层、池化层等处理过程。使用Processing和OpenGL技术实现高性能渲染，帮
【conv_visualizer：一个神经网络卷积可视化工具，通过交互式界面让用户绘制数字或图形，实时展示神经网络中卷积层、池化层等处理过程
混元视频HunyuanVideo：腾讯开发的开源视频生成基础模型，采用统一的图像和视频生成架构，具备文本生成视频和图像转视频两大核心功能。特色包括多模态大语言模型文本编码器、3D VAE压缩技术和提示
【混元视频HunyuanVideo：腾讯开发的开源视频生成基础模型，采用统一的图像和视频生成架构，具备文本生成视频和图像转视频两大核心功能
FlowModels：基于Flow-Matching的生成模型实现库，提供了多种流匹配生成模型的参考实现，包括RectFlow、LADD、Shortcut等模型，支持文本生成图像、图像反演等功能，并提
【FlowModels：基于Flow-Matching的生成模型实现库，提供了多种流匹配生成模型的参考实现，包括RectFlow、LADD、Shortcut等模型，支持文
Neptune：Google DeepMind发布的长视频理解数据集，包含超过2400个长视频和3200个问答对，专注于测试AI模型的长视频理解能力，涵盖视频总结、时序排序、状态变化等多个维度，提供多
【Neptune：Google DeepMind发布的长视频理解数据集，包含超过2400个长视频和3200个问答对，专注于测试AI模型的长视频理解能力，涵盖视频
GenAI Book：《Hands-On Generative AI with Transformers and Diffusion Models》一书的配套资源库，包含完整的代码示例和练习答案。涵盖
【GenAI Book：《Hands-On Generative AI with Transformers and Diffusion Models》一书的配套资源库，包含完整的代码示例和练习答
Trolo：一个将Transformers与YOLO及其他单阶段检测器(SSD)结合的深度学习框架，提供高性能推理和便捷的CLI接口。支持D-FINE等先进模型，具备视频流推理、自动分布式训练等特性。
【Trolo：一个将Transformers与YOLO及其他单阶段检测器(SSD)结合的深度学习框架，提供高性能推理和便捷的CLI接口。支持D-FINE等先进
Auralis：一款高速文本转语音引擎，支持声音克隆功能。具有超快处理速度(10分钟可处理整本哈利波特)、智能批处理、多任务并行处理、流式处理长文本等特性。支持16种主流语言，可自动增强语音质量，即使
【Auralis：一款高速文本转语音引擎，支持声音克隆功能。具有超快处理速度(10分钟可处理整本哈利波特)、智能批处理、多任务并行处理
Awesome-Scene-Graph-Generation：一个场景图生成(SGG)相关论文的精选集，包含了图像、视频、音频、3D等多模态场景图生成研究论文，并归纳了场景图数据集、评估指标以及在图像
【Awesome-Scene-Graph-Generation：一个场景图生成(SGG)相关论文的精选集，包含了图像、视频、音频、3D等多模态场景图生成研究论文，
nano-simsiam：一个极简的PyTorch实现的SimSiam自监督学习框架，仅用400行代码实现，基于ResNet50在ImageNet上达到良好性能。支持分布式训练、实时KNN评估和自动混
【nano-simsiam：一个极简的PyTorch实现的SimSiam自监督学习框架，仅用400行代码实现，基于ResNet50在ImageNet上达到良好性能。支持分
PyTabKit：一个用于表格数据分类和回归的现代机器学习工具包，提供多种先进的模型(如RealMLP-TD、XGBoost等)的scikit-learn接口，支持自动GPU检测、类别特征处理、数据预
【PyTabKit：一个用于表格数据分类和回归的现代机器学习工具包，提供多种先进的模型(如RealMLP-TD、XGBoost等)的scikit-learn接口，支
Awesome-Efficient-MoE：专注于高效混合专家(MoE)模型相关研究的精选资源集合，收录了MoE模型及其高效变体的研究论文和资源。该仓库涵盖了稀疏MoE、MoE压缩、剪枝、量化、分解和
【Awesome-Efficient-MoE：专注于高效混合专家(MoE)模型相关研究的精选资源集合，收录了MoE模型及其高效变体的研究论文和资源。该仓
RePlay：一个全面的端到端推荐系统框架，集成了最新推荐算法模型。主要功能包括数据预处理和切分、多种推荐模型支持、超参数优化、全面的评估指标、模型集成和混合，以及从离线实验到在线生产的无缝切换。支持
【RePlay：一个全面的端到端推荐系统框架，集成了最新推荐算法模型。主要功能包括数据预处理和切分、多种推荐模型支持、超参数优化、
SAMURAI：基于SAM 2模型的零样本视觉追踪框架，引入了运动感知记忆机制，能够在视频中实时追踪和分割目标物体
【SAMURAI：基于SAM 2模型的零样本视觉追踪框架，引入了运动感知记忆机制，能够在视频中实时追踪和分割目标物体】
'SAMURAI: Adapting
Flux Layers Explorer：一个探索Flux Dev模型层级效果的工具，允许用户通过修改不同层的强度来研究模型行为，支持注意力层、双重块、单一块等多种层级的调整与实验
【Flux Layers Explorer：一个探索Flux Dev模型层级效果的工具，允许用户通过修改不同层的强度来研究模型行为，支持注意力层、双重块、
AnyModal：基于PyTorch的灵活多模态语言模型框架。支持轻松集成图像、音频等多种输入模态，提供模块化的架构设计，包含输入处理器、编码器和分词器三大核心组件。框架可扩展性强，便于添加新的输入模
【AnyModal：基于PyTorch的灵活多模态语言模型框架。支持轻松集成图像、音频等多种输入模态，提供模块化的架构设计，包含输入处理器、
activeft：基于PyTorch的主动学习微调库，专注于大型神经网络的自动数据选择。提供了高效的数据检索和选择机制，可以帮助优化模型微调过程中的数据使用，特别适用于大语言模型的测试时学习和转导式主
【activeft：基于PyTorch的主动学习微调库，专注于大型神经网络的自动数据选择。提供了高效的数据检索和选择机制，可以帮助优化模型微
DeepCompressor：大型语言模型和扩散模型的模型压缩工具箱，支持8bit以内的任何整数和浮点数据类型的假量化，例如INT8、INT4和FP4_E2M1，具有高效压缩和加速模型推理的特点
【DeepCompressor：大型语言模型和扩散模型的模型压缩工具箱，支持8bit以内的任何整数和浮点数据类型的假量化，例如INT8、INT4和FP4_E2
Video-XL：面向小时级视频理解的超长视觉语言模型，首个小时级视频理解模型
【Video-XL：面向小时级视频理解的超长视觉语言模型，首个小时级视频理解模型】'Video-XL: Extra-Long Vision Language Model for Ho
TileLang/tvm：开源深度学习编译器堆栈，专为CPU、GPU和专业加速器设计，支持简化和高性能的GPU内核编写
【TileLang/tvm：开源深度学习编译器堆栈，专为CPU、GPU和专业加速器设计，支持简化和高性能的GPU内核编写】"TileLang/tvm: Open deep
fastdata：轻量合成数据生成库，专为深度学习模型训练设计，能够快速生成用于语言模型训练的合成数据
【fastdata：轻量合成数据生成库，专为深度学习模型训练设计，能够快速生成用于语言模型训练的合成数据】'fastdata - a minimal librar
APL语言下的自回归transformer：在 APL 语言中实现自回归transformer（如 GPT2）的项目，支持反向传播和使用 Adam 优化算法进行训练，旨在结合高性能和简洁代码的优势
【APL语言下的自回归transformer：在 APL 语言中实现自回归transformer（如 GPT2）的项目，支持反向传播和使用 Adam 优化算法进行训练，旨
nanoGPT-mup：专注于训练和微调中等大小 GPT 模型的最简仓库，是 karpathy/nanoGPT 的一个分支，并提供了最大更新参数化（muP）的最小实现
【nanoGPT-mup：专注于训练和微调中等大小 GPT 模型的最简仓库，是 karpathy/nanoGPT 的一个分支，并提供了最大更新参数化（muP）的最小实
fused-ssim：高效可微分的结构相似性指数(SSIM)实现，适用于深度学习中图像质量评估，特色在于完全融合的实现方式，减少了全局内存访问，提高了计算效率
【fused-ssim：高效可微分的结构相似性指数(SSIM)实现，适用于深度学习中图像质量评估，特色在于完全融合的实现方式，减少了全局内存访问
免费书《机器学习导论》：由Laurent Younes撰写，涵盖机器学习算法的数学基础和分析技术，包括统计预测、核理论、Hilbert空间技术、监督学习算法、生成方法、图形模型、变分方法、深度生成模型
【免费书《机器学习导论》：由Laurent Younes撰写，涵盖机器学习算法的数学基础和分析技术，包括统计预测、核理论、Hilbert空间技术、
diffusers-torchao：利用torchao和diffusers优化扩散模型的端到端方案，支持推理和FP8训练
【diffusers-torchao：利用torchao和diffusers优化扩散模型的端到端方案，支持推理和FP8训练】'End-to-end recipes for optimizing d
Sapiens-Pytorch-Inference：用于Pytorch中人体基础模型推理的最小代码和示例，支持多种任务并行运行，自动下载模型，提供ONNX导出脚本
【Sapiens-Pytorch-Inference：用于Pytorch中人体基础模型推理的最小代码和示例，支持多种任务并行运行，自动下载模型，提供ONNX导出脚本
AI算法库：基于多种深度学习框架的AI算法的原始实现，附带相关研究论文，旨在提供全面教育资源，帮助从零开始理解和实现基础AI概念
【AI算法库：基于多种深度学习框架的AI算法的原始实现，附带相关研究论文，旨在提供全面教育资源，帮助从零开始理解和实现基础AI概念】'F
线性神经网络讲座笔记：深度学习中的优化与泛化理论
【线性神经网络讲座笔记：深度学习中的优化与泛化理论】这是一份深度学习数学理解高级课程讲义，主要探讨了线性神经网络在优化和泛化
ASTRA-sim 2.0：分布式机器学习系统模拟器，专注于现代深度学习系统的挑战研究，探索瓶颈问题并开发大型DNN模型的高效方法论
【ASTRA-sim 2.0：分布式机器学习系统模拟器，专注于现代深度学习系统的挑战研究，探索瓶颈问题并开发大型DNN模型的高效方法论】'ASTRA
从零开始的深度学习：为深度学习爱好者提供从基础到进阶的实践教程，包括Jupyter Notebook形式的代码，支持在云平台上执行，涵盖神经网络、变分自编码器等多个深度学习主题
【从零开始的深度学习：为深度学习爱好者提供从基础到进阶的实践教程，包括Jupyter Notebook形式的代码，支持在云平台上执行，涵盖神经网
MiniTorch：旨在帮助机器学习工程师学习深度学习系统内部概念的自制教学库，它是一个用纯 Python 重写的 Torch API，旨在简单、易于阅读、经过测试且逐步增量
【MiniTorch：旨在帮助机器学习工程师学习深度学习系统内部概念的自制教学库，它是一个用纯 Python 重写的 Torch API，旨在简单、易于
Hugging Face Deep Learning Containers for Google Cloud：为Google Cloud平台提供深度学习容器，支持训练和部署Transformers、S
【Hugging Face Deep Learning Containers for Google Cloud：为Google Cloud平台提供深度学习容器，支持训练和部署Transformers、Se
魔搭社区深度学习教程
【魔搭社区深度学习教程】'modelscope-classroom - Your AI Learning Hub' GitHub: github.com/modelscope/modelscope-classroom
Zamba2：基于PyTorch的Zamba2系列模型实现，专注于低延迟和低内存占用的高性能混合模型，适用于设备端应用
【Zamba2：基于PyTorch的Zamba2系列模型实现，专注于低延迟和低内存占用的高性能混合模型，适用于设备端应用】'Zamba2 - PyTorch imple
Azula：PyTorch中的扩散模型实现，提供统一且可定制的接口，简化生成扩散模型的文献和实践
【Azula：PyTorch中的扩散模型实现，提供统一且可定制的接口，简化生成扩散模型的文献和实践】'azula - Diffusion models in PyTorch'
多平台推理引擎：支持多种硬件后端的RWKV轻量推理运行时，适用于移动设备和PC平台，简化不同硬件上的深度学习模型部署
【多平台推理引擎：支持多种硬件后端的RWKV轻量推理运行时，适用于移动设备和PC平台，简化不同硬件上的深度学习模型部署】'rwkv-mobile
正在拼命加载中
我是有底线的
没有更多的页面可以加载啦！