TensorFlow资源
探索与 TensorFlow 相关的精选开源项目、速读教程和最新工作机会
相关开源项目
szad670401/hyperlpr
高性能中文车牌识别框架，支持 Python、C++、Android 多平台。720p 视频实时识别，CPU 单核平均耗时 <100ms。提供 WebAPI 服务与快速部署方案。
aimhubio/aim
Aim 是一款易于使用且功能强大的开源实验追踪器，用于记录训练过程和 AI 元数据。提供美观的 UI 进行对比观察，并支持 API 进行程序化查询。
mindee/doctr
基于深度学习的 OCR 库，提供文档文本识别。支持端到端处理，可从 PDF 或图像中解析文本信息，并提供模型集成指导。
mrdbourke/tensorflow-deep-learning
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。
microsoft/mmdnn
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。
jeffheaton/t81_558_deep_learning
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。
nvidia/dali
GPU 加速的数据加载与预处理库，提供高度优化的构建块和执行引擎，用于加速深度学习训练和推理。支持多种数据格式，可作为便携式替代品集成到主流框架中。
google/seq2seq
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。
yeemachine/kalidokit
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。
精选项目式学习教程列表，涵盖 Web、移动、游戏、机器学习等开发领域。提供 React、Node、Flutter、TensorFlow 等热门技术实战项目，帮助学习者从零构建应用。
keras-rl/keras-rl
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。
cchen156/learning-to-see-in-the-dark
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。
tensorflow/rust
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。
google-deepmind/graph_nets
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。
charlesq34/pointnet
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。
tachibanayoshino/animeganv2
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。
zenml-io/zenml
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。
google/tf-quant-finance
基于 TensorFlow 的高性能量化金融库，涵盖基础数学方法、中层求解器及定价模型。已归档，建议自行维护。
charliedream1/ai_quant_trade
一站式 AI 量化交易平台，覆盖学习、模拟到实盘。集成股票知识、策略实例、大模型、因子挖掘、机器学习、深度学习、强化学习、图网络、高频交易及 C++ 部署等，支持多市场交易与辅助操盘工具。
apple/coremltools
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。
kserve/kserve
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。
tensorspace-team/tensorspace
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。
ashnkumar/sketch-code
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。
javascriptdata/danfojs
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。