AI · 算法工程
共 156 个仓库 · Jupyter Notebook
一套基于 Jupyter Notebook 的大模型实战教程和示例脚本，覆盖 LangChain、OpenAI、LlamaIndex、ChromaDB、Pinecone 等主流工具，帮你快速上手 LLM 应用开发。
微软出品的 5 周 RAG 学习路线，用 Jupyter Notebook 带你从索引、混合检索到量化压缩，系统掌握检索增强生成。
Azure AI Search 向量检索功能的官方代码示例集，涵盖嵌入生成、索引构建与查询，帮开发者快速接入向量搜索。
配套《Fine-Tuning LLMs with PyTorch and Hugging Face》一书的实战代码库，用 LoRA、PEFT、bitsandbytes 量化等手把手教你在消费级显卡上微调大模型。
Alpha-CLIP 是 CVPR 2024 提出的 CLIP 改进模型，通过引入 alpha 通道掩码让视觉语言模型能聚焦图像中指定区域，解决传统 CLIP 无法控制关注位置的问题。
可见光-红外成对图像数据集，专为低光照视觉任务设计，可用于图像融合、图像翻译和目标检测等模型的训练与评测。
汇集人脸检测、识别、3D 重建、动画等多种算法与操作的演示合集，适合快速上手和对比不同人脸处理方案。
Google Cloud Vertex AI 的官方示例合集，提供 Notebook、代码和示例应用，演示如何开发、训练和管理机器学习与生成式 AI 工作流。
用 Hugging Face diffusers 把扩散模型从图像搬到音频，能直接训练和生成音乐片段，省去自己搭扩散流程的麻烦。
一套面向音频处理的深度学习实战代码集，覆盖语音识别、说话人验证、关键词唤醒、语音合成与音色转换等任务，可直接参考实现来训练和微调模型。
基于 PyTorch 的人脸换脸与表情重演工具，支持人脸交换、表情迁移和面部区域分割，适合做视频换脸和深度伪造研究。
微软 Foundry 的示例、文档与加速器合集，用 Jupyter Notebook 演示 Azure OpenAI、ChatGPT、DALL·E、嵌入模型等服务的调用方式。
把 Segment Anything 模型适配到显微图像上的分割工具，支持细胞、细胞核、线粒体等结构的自动与交互式分割，并集成 napari 做可视化标注。
一套不依赖框架的 Colab 实战笔记本，覆盖模型 API、结构化输出、工具调用、RAG、评测、Agent 循环、LoRA 微调与提示注入防护，帮 AI 工程师和 FDE 快速上手真实技能。
汇集大语言模型自定义训练与推理的教程、最佳实践和可直接运行的代码，基于 HuggingFace 和 Transformers，帮开发者快速上手 BERT 等模型的微调与部署。
一套 Colab 笔记本，手把手演示蛋白质与 RNA 结构预测、设计、对接等深度学习工具的用法，适合边跑边学。
提供在 Google Cloud Vertex AI 上搭建端到端 MLOps 工作流的模板与示例，覆盖训练、部署到监控的完整流程，方便快速落地机器学习运维。
把 SAM3 通过渐进式知识蒸馏压缩成轻量边缘模型，实现快速的可提示概念分割与跟踪，适合端侧部署。
把大模型同时训练成嵌入模型和生成模型，一个模型既能做文本向量化检索，又能直接生成答案，省去部署两套模型的麻烦。
面向融合位姿估计与建图算法开发验证的开放驾驶数据集，提供真实道路采集的传感器数据，适合做 SLAM 和定位研究。
用大模型对本地文档做检索问答，集成 HyDE、SPLADE、重排序和 Chroma 向量库，适合快速搭建 RAG 应用。
只用 ViT 编码器做图像分割的官方实现，省去解码器和额外适配模块，在实例、全景分割任务上兼顾精度与推理速度。
把 Hugging Face 的 Transformers、Diffusers 等模型接到 Intel 的 OpenVINO 等优化工具上，加速 CPU/GPU 推理，覆盖 LLM、语音识别、语音合成和多模态模型。
用 TensorFlow/Keras 串联从文本预处理到 BERT、GPT、LLM 下游任务的实战教程，覆盖 NER、LoRA、DPO 等，适合系统学习 NLP 建模流程。