训练与微调
共 447 个仓库 · 一年内有推送
用 Rust 写的 OCR 库和命令行工具，能从图片中提取文字，适合需要轻量、可嵌入的光学字符识别能力的场景。
整理说话人分离（Speaker Diarization）领域的论文、开源库、数据集与工具资源，方便快速找到「谁在什么时候说话」相关的实现和评测材料。
面向大规模部署的 LLM 推理引擎，支持 CUDA、ROCm、TPU、Inferentia 等多种硬件后端，并提供 LoRA 与投机解码等加速能力。
跨平台 LXMF 客户端，通过 Reticulum 网络在 LoRa、分组无线电、WiFi、I2P 等链路上实现去中心化点对点通信，无需互联网即可收发消息。
把 PyTorch 模型转成 iOS/macOS 可直接用的 .mlpackage，每个模型都配转换脚本和 SwiftUI 示例，省去自己折腾 Core ML 的麻烦。
基于 PyTorch 的 Transformers 库入门教程，手把手演示文本分类、NER、问答、摘要等常见 NLP 任务的训练与微调流程。
汇总低光照图像增强方向的论文、数据集与代码资源，涵盖 Retinex、直方图均衡和深度学习方法，方便快速查找与对比方案。
面向 GPU 工作负载的无服务器平台，可快速部署推理服务、沙箱和后台任务，按需自动扩缩容，省去自建集群的运维成本。
一份面向 2026 年的视觉 SLAM 学习路线图，把计算机视觉、深度学习、RGB-D、VIO 等知识按阶段串成清晰的学习路径，帮新手系统入门并成长为视觉 SLAM 开发者。
ESP32-CAM 运动检测录像固件，检测到画面变化就把 JPEG 存成 AVI 视频，同时支持 MJPEG 浏览器实时预览和麦克风录音。
用 PyTorch 深度神经网络从歌曲中分离人声和伴奏，输入音频后输出两条独立音轨，适合做翻唱伴奏提取或人声采样。
纯 Java 实现的嵌入式向量搜索引擎，支持磁盘索引和增量更新，适合在 JVM 应用里直接做近似最近邻检索，不用额外部署服务。
一站式视觉模型训练工具，支持 YOLO、ViT、RT-DETR、DINOv3 等模型的预训练、微调与知识蒸馏，省去自己搭训练流程的麻烦。
开源机器学习数据库，提供特征平台，为训练和推理计算一致的特征，解决特征工程与线上线下特征不一致的问题。
面向日语文档的 AI 图像解析 Python 包，可完成版面分析和 OCR，把扫描件或照片里的日文内容结构化提取出来。
基于 PyTorch 的端到端神经压缩研究库与评测平台，提供预训练模型、常用网络结构和指标，方便复现和对比学习类图像压缩算法。
面向机器人位姿与流形优化的可微分编程库，把李群、位姿估计和卡尔曼滤波等模块接入 PyTorch，方便在深度学习里做几何优化与状态估计。
基于 ONNX/YOLOv8 和 DirectML 的通用 AI 瞄准辅助工具，为行动不便的玩家提供视觉对齐能力，用 C# 实现。
在树莓派等边缘设备上跑深度学习推理的网关，把模型部署到 IoT 终端并通过 MQTT 上报结果，省去云端往返。
基于 PyTorch 的神经网络量化库，支持训练后量化和量化感知训练，方便把模型部署到 FPGA 等硬件上做加速。
汇总向量检索相关的库、服务和论文的 awesome 清单，帮你快速找到 KNN 搜索、相似度检索和向量搜索引擎的现成方案。
面向 Keras 和 TensorFlow 的模型压缩工具包，通过量化和剪枝把训练好的模型压小、跑得更快，方便部署到移动端和边缘设备。
一套面向 RPA 的开源 Python 库和工具集，兼容 Robot Framework，集成 OCR、文档解析和 NLP 能力，用来搭建业务流程自动化脚本。
在 VS Code 里直接跑 Jupyter Notebook 的官方扩展，支持单元格执行、内核切换和变量查看，省去在浏览器和编辑器之间来回切换。