探索 Python 项目
筛选并发现收录的、配有高质量中文文档或教程的 GitHub 项目。
基于 Python 的状态行插件，为 vim、zsh、bash、tmux 等应用提供状态行和提示符。支持 JSON 配置与配色方案，轻量高效，具备守护进程模式。
开源 AI Wiki 生成器，自动为 GitHub/GitLab/Bitbucket 仓库创建美观、交互式文档。支持私有仓库、AI 代码分析、可视化图表、RAG 对话问答及多模型提供商（Google Gemini、OpenAI、Ollama 等）。
分布式深度学习训练框架，支持 TensorFlow、Keras、PyTorch 和 Apache MXNet。基于 MPI 模型，易于扩展，性能高效，可实现单 GPU 到多 GPU、多节点的无缝迁移。
开源渗透测试框架，专注于社会工程学攻击。提供多种自定义攻击向量，支持 Linux 和 Mac OS X 平台，由 TrustedSec 开发。
Python 编译器，完全兼容 Python 2.6-2.7 和 3.4-3.13，将 Python 代码编译为可执行文件或扩展模块，支持多种 C/C++ 编译器。
Python 实现 Sutton & Barto 的《强化学习导论》第二版。包含各章节核心算法与示例代码，如多臂老虎机、动态规划、蒙特卡洛、Sarsa、Q-learning、Dyna-Q 等。
NLTK 是一个开源 Python 工具包，提供自然语言处理模块、数据集和教程，支持 NLP 研究与开发。要求 Python 3.10 至 3.14。
开源高级大规模视频生成模型，采用 MoE 架构提升容量与效率。支持 720P@24fps 文生视频与图生视频，具备电影级美学与复杂运动生成能力。集成 Diffusers 与 ComfyUI，提供 5B 与 14B 模型权重及推理代码。
基于 Llama 架构的对话语音生成模型，支持文本与音频输入生成 RVQ 音频代码。提供 Hugging Face 集成与交互式语音演示。
基于机器学习的对话引擎，使用 Python 构建。支持多语言训练，通过已知对话数据生成响应，语言无关设计使其能适应任何语言。
基于 Python 的流氓接入点框架，用于红队演练或 Wi-Fi 安全测试。通过执行定向 Wi-Fi 关联攻击（如 Evil Twin、KARMA、Known Beacons），可轻松获得无线客户端的中间人位置，并支持定制化网络钓鱼攻击以捕获凭证或传播恶意软件。功能强大、灵活且模块化，可在 Raspberry Pi 上长时间运行。
汇总可通过 API 访问的免费 LLM 推理资源，包括 OpenRouter、Google AI Studio 等免费供应商，以及提供试用额度的供应商。
StyleGAN 是 NVIDIA 开发的官方 TensorFlow 实现，用于生成对抗网络。它基于风格迁移，能自动分离图像的高级属性与随机变化，实现直观的尺度控制，生成高质量人脸图像。
RWKV 是一种并行化 RNN，具备 Transformer 级别的 LLM 性能。RWKV-7 是线性时间、常数空间、无注意力的 RNN 架构，适用于 LLM 和多模态应用。支持高效推理和快速训练，社区资源丰富。
Python 视频编辑库，支持剪辑、拼接、标题插入、视频合成与处理。可读写常见音视频格式，包括 GIF，兼容 Windows/Mac/Linux，需 Python 3.9+。
基于 Docker 的 Android 解决方案，支持 noVNC 远程查看和视频录制。提供多种设备模拟器，支持应用开发与测试，可集成 Appium 等测试框架。
一个简洁的框架，提供最先进的自然语言处理（NLP）功能。支持命名实体识别、情感分析、词性标注等任务，内置多种语言模型。基于 PyTorch 构建，易于训练自定义模型，并支持 Flair 嵌入和各类变换器。
开源 AutoML 工具包，自动化机器学习生命周期，涵盖特征工程、神经架构搜索、模型压缩与超参数调优。支持 Python，提供丰富的算法与可视化界面。
Playwright Python 是一个自动化库，支持 Chromium、Firefox 和 WebKit 浏览器。提供同步和异步 API，跨平台运行，快速可靠。
开源实现 AlphaFold 2 推理管道，支持单体与多聚体预测。提供完整遗传数据库与模型参数，需 Linux 环境与 NVIDIA GPU。包含 CASP15 基线预测与技术说明。
基于 TensorFlow 实现 FaceNet 人脸识别模型，支持使用 MTCNN 进行人脸对齐。提供预训练模型，可在 CASIA-WebFace 和 VGGFace2 数据集上训练，生成 128 维嵌入向量。
全面的迁移学习资源库，涵盖论文、代码、数据集、教程及应用。支持域适应、域泛化、多任务学习等方向，被顶级会议和期刊广泛引用。
基于 WebAssembly 的 Python 发行版，可在浏览器和 Node.js 中运行。支持通过 micropip 安装 PyPI 上的纯 Python 包及许多含 C/C++/Rust 扩展的科学计算包。提供强大的 JavaScript 与 Python 互操作接口。
基于现有深度学习框架构建的 Python 包，旨在简化图上的深度学习。提供高性能、可扩展的图神经网络工具，支持 GPU 和多机多卡训练，包含丰富的模型示例和易用的命令行接口。