探索 PyTorch 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。
深度学习图像处理教程，涵盖分类与目标检测。提供 PyTorch 和 TensorFlow 实现，包含 ResNet、YOLO 等经典网络视频讲解与代码。
PyTorch 实现的 CycleGAN 和 pix2pix，支持无配对和配对图像转换。2025 年更新支持 Python 3.11 和 PyTorch 2.4，新增 DDP 多 GPU 训练。推荐 img2img-turbo 和 CUT 以获得更快推理和更高效训练。
连接 LLM 与 ML 社区的系统，以 LLM 为控制器，集成 HuggingFace 专家模型执行复杂 AI 任务。支持任务规划、模型选择、执行与响应生成，提供轻量级配置与云端部署选项。
开源AI编排框架，用于构建可定制、生产就绪的LLM应用。连接组件至流水线或智能体，支持高级检索方法，适用于RAG、问答、语义搜索和对话智能体。
基于深度神经网络的 GUI 人声移除工具，支持 Windows 和 macOS，提供多种先进模型，可分离音轨。
基于 PyTorch 的图神经网络库，提供易用统一的 API、多种 SOTA GNN 模型、大规模图处理能力，支持多 GPU 和 torch.compile。
🏆 每周更新的优秀 Python 机器学习库排名列表。包含 920 个项目，按项目质量得分排序，涵盖 34 个分类，总计 510 万星标。
免费开源的 AI 图像修复与扩展工具，基于 SOTA 模型。可移除图片中任意物体、缺陷或人物，支持擦除、替换、绘制文本及外扩生成。提供 Windows 一键安装，支持 CPU/GPU/Apple Silicon，内置多种模型与插件。
🤗 Datasets 是一个轻量级库，提供两大核心功能：一键加载众多公共数据集，以及高效的数据预处理。支持内存映射、智能缓存和流式模式，可与 NumPy、PyTorch、TensorFlow 等框架无缝集成。
🤗 PEFT：最先进的参数高效微调库。仅微调少量参数，即可高效适配大模型至下游任务，显著降低计算与存储成本。与 Transformers、Diffusers 和 Accelerate 深度集成，支持 LoRA 等多种方法。
开放神经网络交换标准，为 AI 模型提供开源格式，支持深度学习和传统机器学习。定义可扩展的计算图模型、内置算子和标准数据类型，专注于推理能力。广泛支持多种框架、工具和硬件，促进 AI 社区创新。
跨平台高性能机器学习推理与训练加速器，支持 PyTorch、TensorFlow 等多种框架模型，兼容不同硬件与操作系统，提供图优化与硬件加速。
将《动手学深度学习》原书的 MXNet 实现改为 PyTorch 实现，包含 Jupyter Notebook 代码与 Markdown 文档。提供网页版、本地及 Docker 三种访问方式，适合初学者。
开源金融大语言模型项目，提供多种金融任务模型，支持快速微调以适应动态市场数据，成本远低于同类商业模型。
官方 Llama 模型构建指南，涵盖推理、微调、RAG 及端到端应用示例。提供多种集成方案与最新 Llama 4 食谱，适用于文本与视觉模型。
PyTorch 深度学习课程材料，包含从基础到进阶的完整学习路径，涵盖神经网络、计算机视觉、迁移学习等主题，提供 Jupyter Notebook 代码和在线书籍。
开源机器学习工程手册，涵盖大语言模型与多模态模型的训练、微调及推理全流程。提供实用脚本、命令与硬件选型指南，适合工程师快速上手。
深度学习入门教程，整合优质文章与资源。涵盖数学基础、机器学习与深度学习核心概念，提供 CS229、CS231 等经典课程笔记与视频链接，适合初学者系统学习。
基于 ViT 的 LaTeX OCR 系统，将数学公式图像转换为 LaTeX 代码。提供命令行、GUI、API 及 Python 集成，支持自动分辨率预处理，提升识别准确率。
在 Google Colab 上运行 Stable Diffusion WebUI 的 Jupyter Notebook 集成。提供 lite、stable、nightly 三种版本，支持 ControlNet、DreamBooth & LoRA 训练及模型安装。
基于深度学习的老照片修复工具，支持划痕修复与高清恢复，提供预训练模型与 Colab 演示。
端到端语音识别工具包，支持 ASR、VAD、标点恢复、说话人验证等。提供工业级预训练模型，支持推理与微调，涵盖 Paraformer、Whisper 等模型。
面向深度学习研究者的 NLP 教程，使用 PyTorch 实现。包含从基础词嵌入到 Transformer、BERT 等主流模型，代码精简（通常少于 100 行），并提供 Colab 链接。
提供基于 NVIDIA CUDA-X 软件栈的 SOTA 深度学习示例，支持 Volta、Turing 和 Ampere GPU，易于训练和部署，具备可复现的精度与性能。包含 NGC 容器，集成最新框架、库及优化。