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 DINOv2 的实时目标检测与分割模型，在 COCO 和 RF100-VL 上达到 SOTA，支持检测与分割统一 API，专为微调设计。
为法律工作流提供插件套件，支持多种法律领域。可作为 Claude Cowork 或 Code 插件安装，或通过 API 部署。包含实践领域插件、托管代理和 MCP 连接器，提升律师审查效率。
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。
汇集异常检测相关书籍、论文、视频和工具箱，覆盖 LLM 和 VLM 等前沿工作，提供全面的学习资源。
官方 Python 推理与 LoRA 训练包，基于 DiT 的音频-视频生成模型，支持同步音视频、高保真、多性能模式与 API 访问。
基于 Frida 的运行时移动应用安全评估工具，支持 iOS 和 Android，无需越狱。功能包括文件系统检查、SSL 绕过、密钥链转储、内存操作及堆对象探索。
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 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。
Blender GIS 插件，实现 Blender 与地理数据的无缝桥接。支持导入 Shapefile、GeoTIFF DEM、OpenStreetMap XML 等常见 GIS 格式。可直接从网络抓取地理数据，如 NASA SRTM 高程数据。提供地形分析、地理参考管理、Delaunay 三角剖分等功能。
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。
Linux 设备管理器，专为罗技设备设计。支持 Unifying、Bolt、Lightspeed 或 Nano 接收器，以及 USB 和蓝牙连接。提供配对、配置、自定义按键和规则响应功能。
基于 Wi-Fi CSI 信号分析的运动检测系统，无需摄像头或麦克风。通过 ESP32 设备实时分析无线信号变化，集成 Home Assistant 实现智能家居自动化。支持多种算法，部署简单，注重隐私保护。
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。
完全本地的网页研究助手，使用 Ollama 或 LMStudio 托管的任何 LLM。输入主题后，自动生成搜索查询、收集结果、总结并反思知识缺口，循环执行用户定义的次数，最终提供包含所有来源的 Markdown 摘要。
通过自然语言命令自动化移动设备，支持 Android 和 iOS。兼容多种 LLM 提供商，具备复杂任务规划能力。提供 CLI 和 Python API，支持截图分析与执行追踪。
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+。
PyTorch 官方教程集合，涵盖从入门到高级的深度学习主题，包括神经网络、计算机视觉和自然语言处理。提供交互式 Jupyter Notebook 和在线文档，支持 GPU 加速构建。
AI 驱动的个人新闻雷达，每日生成英中文简报。支持 Hacker News、RSS、Reddit 等多源聚合、去重、评分与背景补充，可部署为 GitHub Pages 站点或通过邮件、飞书等渠道推送。
终端电子表格多工具，用于发现和整理数据。支持 tsv、csv、sqlite、json、xlsx、hdf5 等多种格式。基于 Python，可在 Linux、OS/X、Windows (WSL) 上运行。
超越提示工程，专注于上下文设计、编排与优化的前沿手册。基于第一性原理，整合最新研究，提供数学模型与系统实现，涵盖 RAG、多智能体、量子语义等，助力构建高效 AI 系统。
为科学绘图提供 Matplotlib 样式，适用于论文、演示文稿和学位论文。支持 IEEE、Nature 等期刊特定样式，并兼容中文、日文等多语言字体。
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。