训练与微调
共 505 个仓库
基于 PyTorch 的元学习研究库，提供 MAML、Meta-SGD 等算法实现和统一接口，方便快速复现和开发少样本学习、元强化学习实验。
用 Python/C 实现的强制对齐工具，能把音频和对应文本自动对齐到词或音素级别，适合做语音数据集标注和字幕时间轴生成。
兼容 Arduino 的多主多介质网络协议，让单片机、ESP32、树莓派等设备通过 LoRa、MQTT 等介质组网通信。
统一封装 LoRA、Adapter 等参数高效微调方法的 PyTorch 库，兼容 Hugging Face Transformers，让大模型微调只需改几行代码。
面向日文漫画的 OCR 工具，能识别漫画中的对话气泡和拟声词等文字，基于 Transformers 实现，适合做漫画翻译或文本提取。
用基础模型自动给图片打标签，再拿这些标注训练自己的监督视觉模型，省掉人工标注的环节。
面向已训练神经网络模型的量化与压缩库，提供剪枝、量化等高级技术，帮助在部署前压缩模型体积、降低推理开销。
基于 PyTorch 的点云深度学习训练框架，集成 PointNet、KPConv、MinkowskiEngine 等主流模型，方便在 S3DIS、ScanNet 上做分割等任务。
一站式微调多模态模型的工具，支持 PaliGemma 2、Florence-2、Qwen2.5-VL 等，覆盖图像描述、目标检测和视觉问答任务，省去手写训练脚本的麻烦。
xTuring 提供从数据预处理到微调的完整流程，让开发者用 LoRA、Adapter 等轻量方法快速个性化开源大模型，降低训练门槛和显存开销。
用 Go 编写的物联网平台框架，提供设备接入、边缘网关与云端管理能力，支持 CoAP、LoRa 等协议，适合搭建分布式 IoT 系统。
汇集计算机视觉方向的实战项目合集，覆盖 Python、C++、CUDA 和嵌入式部署，方便直接上手跑通检测、识别等模型并落地到 TensorRT 等推理环境。
用 Rust 写的高效近似最近邻检索算法库，集成 HNSW 等索引结构，为图像搜索、推荐系统等场景提供快速的向量相似度查询。
用一句自然语言提示就能自动构建机器学习模型，多智能体协作完成数据理解、特征工程和训练调参，省去手工搭流程的麻烦。
基于 Reticulum 网络的去中心化通信工具，可在 LoRa、无线电等离线环境下传输消息和文件，无需互联网即可自由通信。
用 PyTorch 从零手写实现 65 道大厂 ML/AI 面试真题，配 Jupyter Notebook、自动评分器和 MCP AI 导师，适合系统刷题备战机器学习面试。
用 Rust 封装 ONNX Runtime，让 ONNX 模型在 Rust 里跑推理和训练都很快，适合需要低延迟、无 Python 依赖的部署场景。
把 TensorFlow、Keras、TensorFlow.js 和 TFLite 模型一键转成 ONNX 格式，方便跨框架部署和推理。
基于 C++ 的深度学习服务端与命令行工具，封装 Torch、TensorRT 等后端，通过 REST API 提供图像分类、目标检测、分割和以图搜图能力。
汇总深度学习目标跟踪与检测的论文、数据集和代码资源，方便快速查找该领域的模型与实现。
Milvus 官方实战教程库，用 Jupyter Notebook 演示以图搜图、音频检索、分子搜索、视频分析和 RAG 问答等非结构化数据处理方案。
ailia SDK 的预训练模型合集，覆盖动作识别、人脸检测、背景移除、语音处理等任务，拿来就能跑推理，省去自己找模型和调参的功夫。
一套面向应用 AI 的实战教程，用 Jupyter Notebook 讲透大模型微调、推理与量化，帮工程师把 LLM 真正跑起来。
把扫描件、邮件附件等来源的杂乱文档集中管理，自动做 OCR 和 NLP 分析并打标签归类，减少手工整理成本。