探索 TensorFlow 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 TensorFlow 的机器学习代码库，涵盖从入门到生产环境的完整教程，包含线性回归、支持向量机、神经网络等多种算法实现。
已归档的 Swift for TensorFlow 项目，集成了可微分编程、深度学习 API 和模型库，支持 Python 互操作与 Jupyter Notebook。
提供 TensorFlow 深度学习课程全部材料，包含 Jupyter Notebook 实战项目。涵盖神经网络构建、训练及多种问题类型解决方法。
基于 Kubernetes 的标准化分布式生成式与预测式 AI 推理平台，支持多框架部署。提供 LLM 优化、GPU 加速、模型缓存、KV 缓存卸载、自动扩缩容等生成式 AI 功能，以及多框架支持、智能路由、高级部署、模型可解释性、高级监控等预测式 AI 功能。
跨框架深度学习模型管理工具，支持模型转换、可视化与诊断。可在 Caffe、Keras、MXNet、TensorFlow、CNTK、PyTorch、ONNX 和 CoreML 之间转换模型，并提供代码生成与部署指南。
华盛顿大学深度学习课程，涵盖神经网络、CNN、LSTM、GAN 等架构，应用于计算机视觉、NLP 和数据生成，使用 Python、TensorFlow 和 Keras。
基于 Mediapipe/Tensorflow.js 的 3D 运动学求解器，用于面部、姿态和手部追踪，可驱动 VRM/Live2D 虚拟主播模型。
基于 TensorFlow 的通用编码器-解码器框架，支持机器翻译、文本摘要、对话建模、图像描述等多种任务。代码源自神经机器翻译架构大规模探索论文。
一个统一的 AI 平台，从管道到智能体。支持任何 Python 逻辑，自动容器化、追踪运行、抽象基础设施复杂性，并集成 MLflow、Langgraph 等工具，助力快速迭代实验。
CVPR 2018 论文的 TensorFlow 实现，用于在极暗环境下进行图像增强。支持 Sony 和 Fuji 数据集的训练与测试，提供预训练模型。需要 Python 2.7 和 TensorFlow 1.1+，处理 RAW 数据，需较大内存。
基于 Keras 的深度强化学习库，集成 OpenAI Gym，支持 DQN、DDPG 等多种算法，提供简洁 API 与可视化工具。
TensorFlow 的 Rust 语言绑定，提供符合 Rust 习惯的 API。支持 CPU 与 GPU 计算，可自动下载或编译 TensorFlow C 库。项目处于积极开发中，API 可能不稳定。
基于深度学习的点云处理框架，直接处理无序点集，支持 3D 分类与分割。高效且统一，适用于 ModelNet40 和 ShapeNet Part 数据集。
将 TensorFlow、PyTorch 等机器学习模型转换为 Core ML 格式，支持模型读写与优化验证，便于在 Apple 设备上部署。
基于 TensorFlow 和 Sonnet 的图网络库，用于构建图神经网络。支持 CPU/GPU，提供最短路径、排序和物理预测等演示，可直接在 Colab 中运行。
AnimeGANv2 是 AnimeGAN 的改进版，可将风景照片/视频转换为动漫风格。支持多种动漫风格（如宫崎骏、新海诚、今敏），生成器模型更小，解决了高频伪影问题。提供 Colab 推理和训练代码。
基于 TensorFlow.js、Three.js 和 Tween.js 的神经网络 3D 可视化框架。支持在浏览器中加载 TensorFlow、Keras 和 TensorFlow.js 的预训练模型，通过交互式 3D 界面直观展示模型结构、中间层特征与推理过程。
基于 Keras 的深度学习模型，将手绘网站线框图转换为可运行的 HTML 代码。采用图像描述架构，从手绘草图生成 HTML 标记。项目基于 pix2code 和 Design Mockups 构建。
开源 JavaScript 数据分析库，受 Pandas 启发，提供高性能、直观的数据结构。支持 Tensorflow.js 张量、缺失数据处理、灵活分组、数据合并与 IO 工具，适用于 Node.js 和浏览器环境。
Python 机器学习第 3 版代码库，包含 Jupyter Notebook 示例，涵盖 scikit-learn、TensorFlow 等，支持从数据预处理到深度学习的完整流程。
包含 30+ 个 Jupyter Notebook 的机器学习综合资源库，涵盖 Python、数据处理、CV、NLP 及 MLOps。提供 Colab、Deepnote 一键运行，GitHub 排名前列。