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。
开源图像与视频复原工具箱，支持超分辨率、去噪、去模糊等。包含 EDSR、RCAN、SRGAN、ESRGAN、EDVR、BasicVSR、SwinIR 等多种先进模型。
告别枯燥，打造 Python 实用小例子。涵盖基本操作、函数模块用法，标签化分类，难度分级，适合快速学习与实践。
将 Stable Diffusion 深度集成到 Blender 中，通过文本提示快速生成纹理、概念艺术和背景资产。支持无缝纹理、场景投影、AI 升级和动画重风格化，所有模型本地运行，无需依赖云端服务。
基于流形学习的降维与可视化工具，支持 t-SNE 替代方案。核心假设数据均匀分布于黎曼流形，通过模糊拓扑结构实现高效投影。提供 densMAP 扩展以保留局部密度信息。依赖 scikit-learn、numba 等库，支持 Python 3.6+。
基于统一端到端模型的通用 OCR 理论实现，支持多模态输入与批量推理，已集成至 HuggingFace 和 PaddleMIX。
基于 Model Context Protocol 构建高效智能体的 Python 框架。提供可组合的工作流模式，如 map-reduce、orchestrator 等，支持 Temporal 持久化，实现简单、稳健的智能体应用开发。
UFO³：编织数字智能体星系。从单设备智能体到多设备星系，实现跨设备协作、复杂自动化与异构平台集成。UFO² 为稳定桌面智能体操作系统，UFO³ Galaxy 提供多设备编排能力。
高性能文本差异处理库，支持 diff、match、patch 操作。基于 Myers 算法，提供多语言实现，用于文本同步与版本控制。
基于 scikit-learn 的自动化机器学习工具包，作为其估算器的即插即用替代品。提供安装、手册、示例和 API 文档，支持高效稳健的 AutoML。
PaddleGAN 是飞桨生成对抗网络库，提供经典与 SOTA GAN 算法的高性能实现，支持快速构建、训练与部署。涵盖人脸编辑、视频超分、图像修复、风格迁移等多种有趣应用。
为 GDB 提供增强功能的 Python 插件，专为漏洞开发和逆向工程设计。支持多架构，无依赖，安装快速，提供丰富的调试命令和可扩展的 Python API。
Open edX LMS & Studio，为全球教育站点提供支持。基于 Python 和 Django 构建，包含模块化单体应用、独立部署应用及 ReactJS 微前端。提供内容管理 (CMS) 和学习管理 (LMS) 服务。
可插拔的 SOTA 多目标追踪模块，支持分割、目标检测与姿态估计模型。提供多种追踪器（如 BoTSort、ByteTrack）与 ReID 模型，支持 MOT17、MOT20 等基准测试。具备运动与外观融合模式，可复用检测与嵌入结果，实现高效评估。
PyTorch 模型训练实用教程配套代码，涵盖 CV、NLP 和 LLM 实战项目，包含 ONNX 和 TensorRT 推理部署教程。
通过 k-bit 量化技术，为 PyTorch 提供可访问的大语言模型。包含 8-bit 优化器、LLM.int8() 推理和 QLoRA 4-bit 训练，显著降低内存消耗，同时保持 32-bit 性能。
基于大规模无标签数据训练的单目深度估计基础模型，支持相对深度与度量深度估计，提供更优的深度条件 ControlNet 和下游场景理解能力。
强大的 GUI 智能体家族，支持跨平台自动化操作。提供在线演示与 API，集成 GUI-Owl 多模态模型，适用于 OSWorld、AndroidWorld 及真实移动场景。
提供 Meta Segment Anything Model 3 (SAM 3) 的推理与微调代码、模型检查点下载链接及使用示例。支持文本或视觉提示进行图像和视频的开放词汇分割，引入新架构提升细粒度区分能力，并拥有大规模高质量数据集。
基于 Elasticsearch 的灵活告警框架，支持多种规则类型（如频率、尖峰、基数）和告警方式（邮件、Slack、JIRA 等），用于实时数据监控。
基于 Python 的 OSINT 工具，用于追踪 IP 地址、手机号码及社交媒体用户名信息，支持 Linux 与 Termux 环境。
易用、模块化、可扩展的深度学习 CTR 模型包，提供 tf.keras 和 TensorFlow Estimator 接口，兼容 TF 1.x/2.x，支持快速实验与大规模分布式训练。
一套命令行工具，用于管理 Python 依赖项。核心功能是 pip-compile 和 pip-sync，可从 pyproject.toml 等文件生成锁定的 requirements.txt，并同步虚拟环境。支持多 Python 版本，确保构建可预测。
为 PyTorch 等框架提供 TensorBoard 可视化支持。支持标量、图像、直方图、音频、文本、图、嵌入等多种数据类型。通过简单函数调用记录事件，兼容多种后端。