把 ONNX、PyTorch、Keras、CoreML 等格式的神经网络模型直接拖进浏览器就能看结构图，排查模型转换和层连接问题很方便。
一份面向 C#/.NET/.NET Core 开发者的中文学习与面试指南，汇总基础知识、学习路线、实战技巧、面试题和常用工具资源。
医学影像分割的深度学习工具箱，开箱即用，能自动配置训练流程，在 CT、MRI 等 3D 数据上达到竞赛级精度。
多音色、支持提示词控制情感与风格的语音合成引擎，输入文本即可生成带情绪表现力的自然语音，适合做有声内容和虚拟人配音。
面向 AI/ML 工作流的 Python 编排框架，用装饰器写 DAG，支持本地到 Kubernetes、多云部署，并带实验追踪和成本优化。
面向人类友好的深度学习 API，用 Python 编写，可跑在 TensorFlow、JAX、PyTorch 上，帮开发者快速搭建和训练神经网络。
ONNX 是开放的机器学习模型交换格式标准，让 PyTorch、TensorFlow、Keras 等框架训练出的模型能互相转换、跨平台部署。
DeepSpeech is an open source embedded (offline, on-device) speech-to-text engine which can run in real time on devices r…
用 PyTorch 逐行复现 60 多篇深度学习经典论文，代码旁配注释讲解，涵盖 Transformer、优化器、GAN、强化学习等，适合边读论文边对照实现学习。
飞桨核心框架，提供深度学习与机器学习的高性能单机及分布式训练能力，并支持跨平台部署，适合工业级模型开发。
面向手机端的高性能神经网络推理框架，针对 ARM 平台深度优化，让 Caffe、ONNX 等模型能在 Android/iOS 上低延迟运行。
跨平台高性能推理与训练加速引擎，可直接加载 ONNX 模型，兼容 PyTorch、TensorFlow 等框架导出，解决模型在不同硬件上高效部署的问题。
微软推出的多智能体开发框架，支持 Python 和 .NET，用于构建、编排和部署 AI 智能体及多智能体工作流。
Rust 写的张量库和深度学习框架，兼顾灵活性与效率，支持自动微分、跨平台后端和内核融合，可训练和部署神经网络。
面向语音 AI 的可扩展生成式框架，覆盖语音识别、语音合成、说话人分离与语音翻译，方便研究和开发人员训练部署语音模型。
基于 PyTorch 的图神经网络库，提供图卷积等 GNN 模型的构建与训练组件，省去自己实现图数据结构和消息传递的麻烦。
一套覆盖 Linux、Kubernetes、AWS、Terraform 等主题的 DevOps 练习题与面试题库，帮运维和 SRE 系统刷题、准备面试。
PyTorch 版 CycleGAN 与 pix2pix 实现，提供图像到图像翻译的完整训练与测试流程，支持无配对和有配对数据转换。
低代码训练框架，用声明式配置就能构建和微调自定义 LLM、神经网络及其他 AI 模型，省去手写大量训练代码。
汇总深度学习、强化学习、计算机视觉和 NLP 等方向的优质公开课与讲座资源，适合系统入门或查漏补缺。
Go 语言编写的高性能网页抓取与爬虫框架，提供简洁 API 处理请求、解析页面和并发抓取，适合快速搭建采集程序。
冰霜之地的技术博客合集，深入拆解 Go、HTTP/2、密码学、算法与机器学习等源码，适合想系统啃底层实现和系统设计的工程师。
微软官方出品的 MCP 入门课程，用 .NET、Java、TypeScript、Rust、Python 等多语言实战示例，教开发者搭建模块化、可扩展且安全的 AI 工作流。
面向体育场景的计算机视觉工具库，提供足球等运动的检测、关键点识别与图像嵌入能力，可直接用于球员追踪和赛事数据分析。
基于 PyTorch 的几何计算机视觉库，提供可微分的图像处理与几何变换算子，方便在空间 AI 和机器人任务中搭建视觉模型。
在 Jupyter 里交互式可视化 BERT、GPT-2、RoBERTa 等 Transformer 模型的注意力权重，帮助理解模型内部机制。
一本面向大模型工程实践的开源手册，系统讲解 GPU 训练、推理、调试、网络与扩展性等落地问题，帮工程师把模型真正跑起来。
一键识别并翻译漫画、图片中的文字，自动完成 OCR、机器翻译和文字区域修复，适合给日漫或外文图片做批量汉化。
MIT 6.S191 深度学习入门课的实验材料，用 Jupyter Notebook 带你动手实现计算机视觉、强化学习和音乐生成等模型，适合边学理论边写代码。
GPU 加速的数据预处理库，提供高度优化的图像、音频处理算子和执行引擎，解决深度学习训练中数据管道拖慢 GPU 的瓶颈。
一份持续更新的异常检测资源大全，汇总书籍、论文、视频和工具箱，覆盖传统方法与最新的 LLM、VLM 工作，适合快速入门和跟进前沿。
一套可直接在 Colab 跑的计算机视觉教程合集，覆盖 ResNet 到 RF-DETR、YOLO11、SAM 3、Qwen3-VL 等模型，帮你快速上手训练、微调与推理。
配套 B 站视频教程的深度学习图像处理实战代码库，用 PyTorch 和 TensorFlow2 覆盖图像分类、目标检测与分割的完整训练流程。
一个用 Go 写的 TCP 代理，能模拟延迟、断连、带宽限制等网络和系统故障，用来做混沌工程和容错测试。
开源多智能体编排框架，前身是 AutoGen，支持构建、协作和调度多个 LLM 智能体，并集成 MCP、A2A 等协议。
PyTorch 官方的端侧推理框架，把训练好的模型导出并部署到手机、嵌入式和边缘设备上运行，覆盖 CPU、GPU 等多种后端。
收录最全的 PyTorch 图像骨干网络合集，涵盖 ResNet、ViT、ConvNeXt 等主流模型，自带训练、评估、推理和导出脚本及预训练权重，省去自己搭网络和找权重的麻烦。
LinkedIn 开源的 SRE 入门课程，覆盖 Linux、网络、数据库、系统设计等主题，用于培养初级站点可靠性工程师。
用代码编写负载测试的开源工具，支持 Java、Scala、Kotlin 等语言，可接入 CI/CD 做自动化压测。
用 TypeScript 编写的回合制游戏状态管理与多人联机引擎，帮你省去自己实现回合流转、状态同步和网络对战的麻烦，专注写游戏规则本身。