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。
集成领先的文档解析模型,支持布局检测、公式识别、OCR 和表格识别。模块化设计,便于组合构建应用。提供全面评估基准,助力高效提取高质量 PDF 内容。
提供同花顺客户端、miniqmt、雪球的股票量化交易,支持跟踪 joinquant / ricequant 模拟交易和实盘雪球组合,具备通用模拟操作与远程客户端控制能力。
从零到英雄学习 Jenkins。在 EC2 上安装 Jenkins,配置 Docker 作为构建代理,搭建 CI/CD 流水线,并使用 Argo CD 以 GitOps 方式将应用部署到 Kubernetes。
开源后渗透框架,面向学生、研究人员和开发者。包含命令与控制服务器、多平台有效载荷生成器及 12 个后渗透模块。提供基于控制台和 Web GUI 两种应用,支持远程导入、零磁盘写入、无依赖运行及模块扩展。
基于 TensorFlow 的强化学习教程,涵盖从基础到高级算法,包括 Q-learning、DQN、DDPG、A3C、PPO 等。提供 Python 代码示例与可视化,适合初学者与研究者。
基于 DiT 的视频生成模型,支持同步音频视频、4K 高保真、多关键帧控制、图像到视频转换及视频扩展。提供在线演示、本地部署、ComfyUI 集成及训练工具。
官方管理的高质量 Claude Code 插件目录,包含内部和第三方插件。可通过命令直接安装,支持插件提交与贡献。强调安全使用,需信任插件后再安装。
高效开源视觉语言模型,参数量小,性能强劲。支持图像理解、视觉问答和物体检测。提供 2B 和 0.5B 两种模型变体,适用于云端及边缘设备部署。
基于 PyTorch 1.0 的快速、模块化实例分割与目标检测参考实现。提供 RPN、Faster R-CNN 和 Mask R-CNN,训练速度比 Detectron 快 2 倍,内存效率高,支持多 GPU、混合精度训练和 CPU 推理。
基于单 GPU 实现大语言模型的高吞吐量生成推理,通过 IO 高效卸载、压缩和大有效批处理提升吞吐,适用于批处理任务如基准测试和数据处理。
整合国立台湾大学、新加坡国立大学、早稻田大学、东京大学、中央研究院及中国重点高校的社科、经济、数学、博弈论、哲学、系统工程类学术论文知识库。提供镜像站、AI问答示例及科研资源导航。
Python 量化交易策略库,涵盖技术指标、期权策略与量化分析。包含 MACD、布林带、配对交易、蒙特卡洛模拟等自动化脚本,支持历史数据回测,适用于各类市场策略研究。
🌍 全球国家、州/省、城市数据库。提供 JSON、SQL、CSV 等 11+ 格式,含 ISO 代码、时区、多语言支持。153K+ 城市,覆盖 250+ 国家。支持 NPM/PyPI 包、REST API、导出工具。ODbL 许可,完全免费开源。
端到端图像分割开发套件,内置 45+ 模型与 140+ 预训练模型,支持语义分割、交互式分割、全景分割、图像抠图及 3D 分割。提供配置化与 API 两种开发方式,打通数据标注、训练、压缩、部署全流程。支持低代码开发,兼容多种硬件,助力医疗、工业等场景落地。
基于 Keras 的 AutoML 库,旨在让机器学习更易用。支持图像分类等任务,提供简洁 API,兼容 Python 3.7+ 与 TensorFlow 2.8+。
基于 so-vits-svc 的分支,提供实时语音转换功能,改进了用户界面并集成了更多特性。支持 Python 3.8+,可通过 pip 安装,无需额外依赖。
开源 C/C++ 包管理器,完全去中心化,支持跨平台与二进制管理。集成多种构建系统,基于 Python 扩展,社区活跃,稳定用于生产环境。
基于 PyTorch、TensorFlow 等框架的实时人像视频抠图库。采用循环神经网络处理时序信息,无需额外输入,支持 4K 76FPS 与 HD 104FPS 高性能推理。
基于 Playwright 和 AI 的闲鱼多任务实时/定时监控工具,配备完整 Web 管理界面。支持自然语言创建任务、AI 深度分析商品、多账号与代理轮换、高级筛选及多种即时通知。提供 Docker 一键部署。
提供高质量单文件实现的深度强化学习库,支持 PPO、DQN、C51 等算法。具备研究友好特性,如基准测试、Tensorboard 日志、实验管理与云集成,代码简洁易读,便于原型开发与调试。
Python 库,用于用户友好的时间序列预测和异常检测。包含从 ARIMA 到深度神经网络的多种模型,支持单变量和多变量序列,提供概率预测和回测功能。
轻量级、单包、完全兼容的 Kubernetes,适用于数据中心和边缘。支持 42 种 Linux 发行版,包含 Istio、Knative、Prometheus 等常用组件,安装简单,更新及时,适合开发、IoT、边缘和 CI/CD 场景。
基于 Keras 的生成对抗网络实现集合,涵盖多种经典 GAN 模型,如 DCGAN、CycleGAN、Wasserstein GAN 等。提供 Python 代码与示例,便于快速实验与学习。