stars	repo	colab	HF	description	summary
111246	pytorch-transformers		🤗	🤗 Transformers: State-of-the-art Machine Learning	summary
87864	awesome-chatgpt-prompts		🤗	This repo includes ChatGPT prompt curation to use	summary
60853	langchain		🤗	⚡ Building applications with LLMs through composab	summary
59644	stable-diffusion		🤗	A latent text-to-image diffusion model	summary
56263	funNLP		🤗	中英文敏感词、语言检测、中外手机/电话归属地/运营商查询、名字推断性别、手机号抽取、身份证抽取、邮箱	summary
55749	awesome-public-datasets		🤗	A topic-centric list of HQ open datasets.	summary
44082	whisper			Robust Speech Recognition via Large-Scale Weak Sup	summary
41279	yolov5			YOLOv5 🚀 in PyTorch > ONNX > CoreML > TFLite	summary
40833	llama		🤗	Inference code for LLaMA models	summary
40541	chatgpt_academic		🤗	为ChatGPT/GLM提供图形交互界面，特别优化论文阅读/润色/写作体验，模块化设计，支持自定义快	summary
39951	llama.cpp		🤗	Port of Facebook's LLaMA model in C/C++	summary
39448	pythondatasciencehandbook			Python Data Science Handbook: full text in Jupyter	summary
35173	bert			TensorFlow code and pre-trained models for BERT	summary
33996	visual-chatgpt		🤗		summary
33858	chatglm-6b		🤗	ChatGLM-6B: An Open Bilingual Dialogue Language Mo	summary
32738	DragGAN		🤗	Official Code for DragGAN (SIGGRAPH 2023)	summary
31976	colossalai		🤗	Making large AI models cheaper, faster and more ac	summary
31975	GFPGAN		🤗	GFPGAN aims at developing Practical Algorithms for	summary
30675	google-research		🤗	Google Research	summary
29478	stablediffusion		🤗	High-Resolution Image Synthesis with Latent Diffus	summary
28133	DeepSpeed		🤗	DeepSpeed is a deep learning optimization library	summary
27344	fairseq		🤗	Facebook AI Research Sequence-to-Sequence Toolkit	summary
27340	fairseq		🤗	Facebook AI Research Sequence-to-Sequence Toolkit	summary
26977	fastchat		🤗	An open platform for training, serving, and evalua	summary
26602	pytorch-image-models		🤗	PyTorch image models, scripts, pretrained weights	summary
26597	stanford_alpaca		🤗	Code and documentation to train Stanford's Alpaca	summary
26080	bark		🤗	🔊 Text-Prompted Generative Audio Model	summary
24502	jax			Composable transformations of Python+NumPy program	summary
24352	nanogpt		🤗	The simplest, fastest repository for training/fine	summary
23897	Netron		🤗	Visualizer for neural network, deep learning, and	summary
23360	spleeter			Deezer source separation library including pretrai	summary
23146	controlnet		🤗	Let us control diffusion models!	summary
22846	text-generation-webui		🤗	A Gradio web UI for Large Language Models. Support	summary
22659	whisper.cpp		🤗	Port of OpenAI's Whisper model in C/C++	summary
22622	Real-ESRGAN		🤗	Real-ESRGAN aims at developing Practical Algorithm	summary
22303	minigpt-4		🤗	MiniGPT-4: Enhancing Vision-language Understanding	summary
21732	JARVIS		🤗	JARVIS, a system to connect LLMs with ML community	summary
21541	gradio-UI		🤗	Build and share delightful machine learning apps,	summary
20786	examples		🤗	A set of examples around pytorch in Vision, Text,	summary
20522	pytorch-CycleGAN-and-pix2			Image-to-Image Translation in PyTorch	summary
18734	so-vits-svc		🤗	SoftVC VITS Singing Voice Conversion	summary
18644	magenta			Magenta: Music and Art Generation with Machine Int	summary
17618	diffusers		🤗	🤗 Diffusers: State-of-the-art diffusion models for	summary
17452	CLIP		🤗	CLIP (Contrastive Language-Image Pretraining), Pr	summary
17130	deep-learning-with-python			Jupyter notebooks for the code samples of the book	summary
17056	datasets		🤗	🤗 The largest hub of ready-to-use datasets for ML	summary
16923	DeOldify		🤗	A Deep Learning based project for colorizing and r	summary
16911	alpaca-lora		🤗	Instruct-tune LLaMA on consumer hardware	summary
15897	avatarify			Avatars for Zoom, Skype and other video-conferenci	summary
15817	audiocraft		🤗	Audiocraft is a library for audio processing and g	summary
15693	localgpt		🤗	Chat with your documents on your local device usin	summary
15408	stablelm		🤗	StableLM: Stability AI Language Models	summary
15244	unilm		🤗	Large-scale Self-supervised Pre-training Across Ta	summary
15158	flowise		🤗	Drag & drop UI to build your customized LLM flow	summary
15156	awesome-nlp		🤗	📖 A curated list of resources dedicated to Na	summary
15115	langchain-chatglm		🤗	Langchain-Chatchat（原Langchain-ChatGLM）基于 Langchain	summary
14651	chatpaper		🤗	Use ChatGPT to summarize the arXiv papers. 全流程加速科研	summary
14388	Awesome-pytorch-list		🤗	A comprehensive list of pytorch related content on	summary
14351	chinese-llama-alpaca		🤗	中文LLaMA&Alpaca大语言模型+本地CPU/GPU训练部署 (Chinese LLaMA &	summary
14317	dalle-mini		🤗	DALL·E Mini - Generate images from a text prompt	summary
14260	awesome-production-machin		🤗	A curated list of awesome open source libraries to	summary
14023	tensor2tensor			Library of deep learning models and datasets desig	summary
13758	first-order-model		🤗	This repository contains the source code for the p	summary
13063	fauxpilot		🤗	FauxPilot - an open-source alternative to GitHub C	summary
13054	flair		🤗	A very simple framework for state-of-the-art Natur	summary
13052	lama-cleaner		🤗	Image inpainting tool powered by SOTA AI Model. Re	summary
12941	nlp-tutorial			Natural Language Processing Tutorial for Deep Lear	summary
12427	sd-webui-controlnet		🤗	WebUI extension for ControlNet	summary
12308	ultralytics			NEW - YOLOv8 🚀 in PyTorch > ONNX > OpenVINO > Core	summary
12112	PaddleHub		🤗	Awesome pre-trained models toolkit based on Paddle	summary
11816	bert-as-service			🏄 Embed/reason/rank images and sentences with CLIP	summary
11641	comfyui			A powerful and modular stable diffusion GUI with a	summary
11616	awesome-static-analysis		🤗	⚙️ A curated list of static analysis (SAST) tools	summary
11610	detr			End-to-End Object Detection with Transformers	summary
11432	moss		🤗	An open-source tool-augmented conversational langu	summary
11215	rembg		🤗	Rembg is a tool to remove images background	summary
11103	yolov7		🤗	Implementation of paper - YOLOv7: Trainable bag-of	summary
11073	pandas-profiling			1 Line of code data quality profiling & explorator	summary
11027	fashion-mnist		🤗	A MNIST-like fashion product database. Benchmark :	summary
10840	retrieval-based-voice-con		🤗	Voice data <= 10 mins can also be used to train a	summary
10676	alphafold			Open source code for AlphaFold.	summary
10656	Grounded-Segment-Anything		🤗	Grounded-SAM: Marrying Grounding DINO with Segment	summary
10558	dolly		🤗	Databricks’ Dolly, a large language model trained	summary
10553	haystack		🤗	🔍 LLM orchestration framework to build customi	summary
10066	PaddleNLP		🤗	👑 Easy-to-use and powerful NLP and LLM library wit	summary
10059	prettymaps			A small set of Python functions to draw pretty map	summary
10050	DALLE2-pytorch		🤗	Implementation of DALL-E 2, OpenAI's updated text-	summary
9841	codeformer		🤗	[NeurIPS 2022] Towards Robust Blind Face Restorati	summary
9670	RWKV-LM		🤗	RWKV is an RNN with transformer-level LLM performa	summary
9605	sonnet			TensorFlow-based neural network library	summary
9365	peft		🤗	🤗 PEFT: State-of-the-art Parameter-Efficient Fine-	summary
9223	TensorFlow-Tutorials			TensorFlow Tutorials with YouTube Videos	summary
9149	CoreNLP		🤗	CoreNLP: A Java suite of core NLP tools for tokeni	summary
9143	audiogpt		🤗	AudioGPT: Understanding and Generating Speech, Mus	summary
8913	tortoise-tts		🤗	A multi-voice TTS system trained with an emphasis	summary
8912	generative-models		🤗	Generative Models by Stability AI	summary
8869	openchatkit		🤗		summary
8695	chatrwkv		🤗	ChatRWKV is like ChatGPT but powered by RWKV (100%	summary
8694	Chinese-BERT-wwm		🤗	Pre-Training with Whole Word Masking for Chinese B	summary
8567	optuna			A hyperparameter optimization framework	summary
8556	latent-diffusion		🤗	High-Resolution Image Synthesis with Latent Diffus	summary
8553	kornia		🤗	Computer Vision and Robotics Library for AI	summary
8446	altair			Declarative statistical visualization library for	summary
8214	fingpt		🤗	Data-Centric FinGPT. Open-source for open finance	summary
8208	nerf			Code release for NeRF (Neural Radiance Fields)	summary
8174	Awesome-Diffusion-Models		🤗	A collection of resources and papers on Diffusion	summary
8060	gorilla		🤗	Gorilla: An API store for LLMs	summary
7978	GPTNeo		🤗	An implementation of model parallel GPT-2 and GPT-	summary
7851	vision_transformer				summary
7813	segmentation_models.pytor			Segmentation models with pretrained backbones. PyT	summary
7789	NeMo		🤗	NeMo: a toolkit for conversational AI	summary
7700	trax			Trax — Deep Learning with Clear Code and Speed	summary
7533	RobustVideoMatting		🤗	Robust Video Matting in PyTorch, TensorFlow, Tenso	summary
7520	tokenizers		🤗	💥 Fast State-of-the-Art Tokenizers optimized for R	summary
7405	Awesome-Chinese-NLP		🤗	A curated list of resources for Chinese NLP 中文自然语言	summary
7377	qlora		🤗	QLoRA: Efficient Finetuning of Quantized LLMs	summary
7350	disco-diffusion				summary
7219	h2ogpt		🤗	Private Q&A and summarization of documents+images	summary
7177	lmflow		🤗	An Extensible Toolkit for Finetuning and Inference	summary
7176	client			🔥 A tool for visualizing and tracking your machine	summary
7169	facets			Visualizations for machine learning datasets	summary
7142	jukebox			Code for the paper "Jukebox: A Generative Model fo	summary
7139	GPT2-Chinese		🤗	Chinese version of GPT2 training code, using BERT	summary
7067	if		🤗		summary
7060	glm-130b		🤗	GLM-130B: An Open Bilingual Pre-Trained Model (ICL	summary
6963	Dreambooth-Stable-Diffusi		🤗	Implementation of Dreambooth (https://arxiv.org/ab	summary
6939	espnet		🤗	End-to-End Speech Processing Toolkit	summary
6924	petals		🤗	🌸 Run LLMs at home, BitTorrent-style. Fine-tuning	summary
6831	CodeGeeX		🤗	CodeGeeX: An Open Multilingual Code Generation Mod	summary
6822	wizardlm		🤗	Family of instruction-following LLMs powered by Ev	summary
6791	satellite-image-deep-lear		🤗	Techniques for deep learning with satellite & aeri	summary
6739	awful-ai		🤗	😈Awful AI is a curated list to track current scary	summary
6677	stable-dreamfusion		🤗	Text-to-3D & Image-to-3D & Mesh Exportation with N	summary
6652	belle		🤗	BELLE: Be Everyone's Large Language model Engine（开	summary
6587	open_llama		🤗	OpenLLaMA, a permissively licensed open source rep	summary
6528	lavis			LAVIS - A One-stop Library for Language-Vision Int	summary
6509	speechbrain		🤗	A PyTorch-based Speech Toolkit	summary
6464	GloVe		🤗	Software in C and data files for the popular GloVe	summary
6402	nerfstudio			A collaboration friendly studio for NeRFs	summary
6396	sadtalker		🤗	[CVPR 2023] SadTalker：Learning Realistic 3D Motion	summary
6380	stable-baselines3			PyTorch version of Stable Baselines, reliable impl	summary
6353	mmsegmentation			OpenMMLab Semantic Segmentation Toolbox and Benchm	summary
6326	models		🤗	A collection of pre-trained, state-of-the-art mode	summary
6225	starcoder		🤗	Home of StarCoder: fine-tuning & inference!	summary
6190	Megatron-LM		🤗	Ongoing research training transformer models at sc	summary
6184	metaseq		🤗	Repo for external large-scale work	summary
6104	lama		🤗	🦙 LaMa Image Inpainting, Resolution-robust Large	summary
6094	swift			Swift for TensorFlow	summary
6071	mesh-transformer-jax			Model parallel transformers in JAX and Haiku	summary
6064	mujoco			Multi-Joint dynamics with Contact. A general purpo	summary
6054	open_clip		🤗	An open source implementation of CLIP.	summary
5980	gpt-neox		🤗	An implementation of model parallel autoregressive	summary
5879	mae			PyTorch implementation of MAE https//arxiv.org/abs	summary
5818	pdfgpt		🤗	PDF GPT allows you to chat with the contents of yo	summary
5619	accelerate		🤗	🚀 A simple way to train and use PyTorch models wit	summary
5535	kohya_ss				summary
5532	Transformers-Tutorials		🤗	This repository contains demos I made with the Tra	summary
5511	fastsam		🤗	Fast Segment Anything	summary
5457	trl		🤗	Train transformer language models with reinforceme	summary
5445	text-to-text-transfer-tra		🤗	Code for the paper "Exploring the Limits of Transf	summary
5396	consistency_models		🤗	Official repo for consistency models.	summary
5335	llmsurvey		🤗	The official GitHub page for the survey paper "A S	summary
5307	xformers			Hackable and optimized Transformers building block	summary
5292	denoising-diffusion-pytor		🤗	Implementation of Denoising Diffusion Probabilisti	summary
5289	track-anything		🤗	Track-Anything is a flexible and interactive tool	summary
5287	DALLE-pytorch		🤗	Implementation / replication of DALL-E, OpenAI's T	summary
5280	graph_nets			Build Graph Nets in Tensorflow	summary
5172	instruct-pix2pix		🤗		summary
5159	yolov6		🤗	YOLOv6: a single-stage object detection framework	summary
5145	ConvNeXt		🤗	Code release for ConvNeXt model	summary
5065	baichuan-7b		🤗	A large-scale 7B pretraining language model develo	summary
4889	whisperx		🤗	WhisperX: Automatic Speech Recognition with Word-	summary
4888	LLaVA		🤗	Visual Instruction Tuning: Large Language-and-Visi	summary
4829	chatlaw		🤗	中文法律大模型	summary
4799	AugLy			A data augmentations library for audio, image, tex	summary
4783	seamless_communication		🤗	Foundational Models for State-of-the-Art Speech an	summary
4759	text-generation-inference		🤗	Large Language Model Text Generation Inference	summary
4746	pytorch-seq2seq			Tutorials on implementing a few sequence-to-sequen	summary
4733	llama-adapter		🤗	Fine-tuning LLaMA to follow Instructions within 1	summary
4693	semantic-segmentation-pyt			Pytorch implementation for Semantic Segmentation/S	summary
4684	clearml			ClearML - Auto-Magical CI/CD to streamline your ML	summary
4681	LaTeX-OCR		🤗	pix2tex: Using a ViT to convert images of equation	summary
4661	flax		🤗	Flax is a neural network library for JAX that is d	summary
4616	taming-transformers			Taming Transformers for High-Resolution Image Synt	summary
4574	composer			Train neural networks up to 7x faster	summary
4570	lucid			A collection of infrastructure and tools for resea	summary
4546	awesome-domain-adaptation		🤗	A collection of AWESOME things about domian adapta	summary
4526	ltp		🤗	Language Technology Platform	summary
4515	facechain		🤗	FaceChain is a deep-learning toolchain for generat	summary
4511	faster-whisper		🤗	Faster Whisper transcription with CTranslate2	summary
4502	pycorrector		🤗	pycorrector is a toolkit for text error correction	summary
4417	pedalboard		🤗	🎛 🔊 A Python library for working with audio.	summary
4395	FasterTransformer		🤗	Transformer related optimization, including BERT,	summary
4332	ethereum-org-website		🤗	Ethereum.org is a primary online resource for the	summary
4330	ignite			High-level library to help with training and evalu	summary
4298	CodeGen		🤗	CodeGen is a family of open-source model for progr	summary
4289	donut		🤗	Official Implementation of OCR-free Document Under	summary
4259	tensorflow-deep-learning		🤗	All course materials for the Zero to Mastery Deep	summary
4259	animegan2-pytorch		🤗	PyTorch implementation of AnimeGANv2	summary
4200	moco			PyTorch implementation of MoCo: https://arxiv.org/	summary
4181	annotated-transformer			An annotated implementation of the Transformer pap	summary
4125	fiftyone			The open-source tool for building high-quality dat	summary
4108	awesome-totally-open-chat		🤗	A list of totally open alternatives to ChatGPT	summary
4100	mineflayer			Create Minecraft bots with a powerful, stable, and	summary
4093	deep-high-resolution-net.		🤗	The project is an official implementation of our C	summary
4041	biogpt		🤗		summary
4033	inpaint-anything		🤗	Inpaint anything using Segment Anything and inpain	summary
4007	pytorch-sentiment-analysi			Tutorials on getting started with PyTorch and Torc	summary
4002	tf-quant-finance			High-performance TensorFlow library for quantitati	summary
3993	datasets			TFDS is a collection of datasets ready to use with	summary
3978	chinese-vicuna		🤗	Chinese-Vicuna: A Chinese Instruction-following LL	summary
3966	silero-models			Silero Models: pre-trained speech-to-text, text-to	summary
3962	awesome-multimodal-large-		🤗	✨✨Latest Papers and Datasets on	summary
3890	stable-baselines			A fork of OpenAI Baselines, implementations of rei	summary
3879	DeepLabCut			Official implementation of DeepLabCut: Markerless	summary
3852	albert_zh		🤗	A LITE BERT FOR SELF-SUPERVISED LEARNING OF LANGUA	summary
3841	trlx		🤗	A repo for distributed training of language models	summary
3840	tsai			Time series Timeseries Deep Learning Machine Learn	summary
3794	simpletransformers		🤗	Transformers for Classification, NER, QA, Language	summary
3759	open_spiel			OpenSpiel is a collection of environments and algo	summary
3753	bitsandbytes		🤗	8-bit CUDA functions for PyTorch	summary
3724	Qwen-7B		🤗	The official repo of Qwen-7B (通义千问-7B) chat & pret	summary
3702	codef			Official PyTorch implementation of CoDeF: Content	summary
3659	StyleCLIP			Official Implementation for "StyleCLIP: Text-Drive	summary
3656	courses		🤗	This repository is a curated collection of links t	summary
3651	SimSwap			An arbitrary face-swapping framework on images and	summary
3626	yalm-100b		🤗	Pretrained language model with 100B parameters	summary
3621	DiffSinger		🤗	DiffSinger: Singing Voice Synthesis via Shallow Di	summary
3615	huatuo-llama-med-chinese		🤗	Repo for BenTsao [original name: HuaTuo (华驼)], Ins	summary
3599	ByteTrack		🤗	[ECCV 2022] ByteTrack: Multi-Object Tracking by As	summary
3598	Tune-A-Video		🤗	[ICCV 2023] Tune-A-Video: One-Shot Tuning of Image	summary
3560	llama-efficient-tuning		🤗	Easy-to-use LLM fine-tuning framework (LLaMA-2, BL	summary
3560	muzic		🤗	Muzic: Music Understanding and Generation with Art	summary
3544	pyannote-audio		🤗	Neural building blocks for speaker diarization: sp	summary
3523	RIFE			ECCV2022 - Real-Time Intermediate Flow Estimation	summary
3510	flagai		🤗	FlagAI (Fast LArge-scale General AI models) is a f	summary
3509	stable-diffusion-videos			Create 🔥 videos with Stable Diffusion by exploring	summary
3494	mm-cot		🤗	Official implementation for "Multimodal Chain-of-T	summary
3486	swinir		🤗	SwinIR: Image Restoration Using Swin Transformer (	summary
3469	thinkdsp			Think DSP: Digital Signal Processing in Python, by	summary
3469	ArtLine			A Deep Learning based project for creating line ar	summary
3461	min-dalle		🤗	min(DALL·E) is a fast, minimal port of DALL·E Mini	summary
3439	redpajama-data		🤗	The RedPajama-Data repository contains code for pr	summary
3423	DouZero			[ICML 2021] DouZero: Mastering DouDizhu with Self-	summary
3422	chat-ui		🤗	Open source codebase powering the HuggingChat app
3405	spark-nlp			State of the Art Natural Language Processing	summary
3402	nlp_paper_study		🤗	该仓库主要记录 NLP 算法工程师相关的顶会论文研读笔记	summary
3390	hub			A library for transfer learning by reusing parts o	summary
3387	video-subtitle-extractor			视频硬字幕提取，生成srt文件。无需申请第三方API，本地实现文本识别。基于深度学习的视频字幕提取框	summary
3383	x-transformers		🤗	A simple but complete full-attention transformer w	summary
3351	luotuo-chinese-llm		🤗	骆驼(Luotuo): Open Sourced Chinese Language Models.	summary
3342	GPT-4-LLM		🤗	Instruction Tuning with GPT-4	summary
3339	fengshenbang-lm		🤗	Fengshenbang-LM(封神榜大模型)是IDEA研究院认知计算与自然语言研究中心主导的大模型	summary
3308	MODNet			A Trimap-Free Portrait Matting Solution in Real Ti	summary
3302	visualglm-6b		🤗	Chinese and English multimodal conversational lang	summary
3301	blip		🤗	PyTorch code for BLIP: Bootstrapping Language-Imag	summary
3282	vtoonify		🤗	[SIGGRAPH Asia 2022] VToonify: Controllable High-R	summary
3280	glide-text2im			GLIDE: a diffusion-based text-conditional image sy	summary
3277	faceswap-GAN			A denoising autoencoder + adversarial losses and a	summary
3275	whisper-jax		🤗	JAX implementation of OpenAI's Whisper model for u	summary
3272	dm_control			DeepMind's software stack for physics-based simula	summary
3269	text2video-zero		🤗	[ICCV 2023 Oral] Text-to-Image Diffusion Models ar	summary
3260	PyTorch-StudioGAN		🤗	StudioGAN is a Pytorch library providing implement	summary
3259	bert-chinese-text-classif		🤗	使用Bert，ERNIE，进行中文文本分类	summary
3250	mobilesam		🤗	This is the official code for MobileSAM project th	summary
3239	wenet		🤗	Production First and Production Ready End-to-End S	summary
3236	sumy		🤗	Module for automatic summarization of text documen	summary
3220	segment-everything-everyw		🤗	Official implementation of the paper "Segment Ever	summary
3214	cleanrl		🤗	High-quality single file implementation of Deep Re	summary
3188	lit			The Learning Interpretability Tool: Interactively	summary
3185	acme			A library of reinforcement learning components and	summary
3168	catalyst			Accelerated deep learning R&D	summary
3166	gpt-code-clippy		🤗	Full description can be found here: https://discus	summary
3150	football			Check out the new game server:	summary
3122	AIDungeon			Infinite adventures await!
3106	vissl			VISSL is FAIR's library of extensible, modular and	summary
3094	chinese-llama-alpaca-2		🤗	中文LLaMA-2 & Alpaca-2大模型二期项目 + 16K超长上下文模型 (Chinese	summary
3083	mmtracking			OpenMMLab Video Perception Toolbox. It supports Vi	summary
3080	chatdoctor		🤗		summary
3076	toolbench		🤗	An open platform for training, serving, and evalua	summary
3075	codegeex2		🤗	CodeGeeX2: A More Powerful Multilingual Code Gener	summary
3047	animatediff		🤗	Official implementation of AnimateDiff.	summary
3017	baize		🤗	Let ChatGPT teach your own chatbot in hours with a	summary
3002	llm-as-chatbot		🤗	LLM as a Chatbot Service	summary
2999	pixel2style2pixel			Official Implementation for "Encoding in Style: a	summary
2993	sahi		🤗	Framework agnostic sliced/tiled inference + intera	summary
2989	paper-qa		🤗	LLM Chain for answering questions from documents w	summary
2988	flower		🤗	Flower: A Friendly Federated Learning Framework	summary
2986	llm-foundry		🤗	LLM training code for MosaicML foundation models	summary
2979	groundingdino		🤗	Official implementation of the paper "Grounding DI	summary
2932	jsonformer			A Bulletproof Way to Generate Structured JSON from	summary
2919	text2vec		🤗	text2vec, text to vector. 文本向量表征工具，把文本转化为向量矩阵，实现了W	summary
2899	best_AI_papers_2021			A curated list of the latest breakthroughs in AI	summary
2892	camel		🤗	🐫 CAMEL: Communicative Agents for “Mind” Explorati	summary
2852	internchat		🤗	InternGPT (iGPT) is an open source demo platform w	summary
2847	Pretrained-Language-Model		🤗	Pretrained language model and its related optimiza	summary
2822	open_flamingo		🤗	An open-source framework for training large multim	summary
2780	DI-engine		🤗	OpenDILab Decision AI Engine	summary
2776	outlines		🤗	Generative Model Programming	summary
2767	encodec		🤗	State-of-the-art deep learning based audio codec s	summary
2752	pytorchviz			A small package to create visualizations of PyTorc	summary
2751	koboldai-client		🤗		summary
2747	lingvo			Lingvo	summary
2744	thinc			🔮 A refreshing functional take on deep learning, c	summary
2740	neuralcoref		🤗	✨Fast Coreference Resolution in spaCy with Neural	summary
2729	graphics			TensorFlow Graphics: Differentiable Graphics Layer	summary
2690	chinese-chatllama		🤗	Chinese-LLaMA 1&2、Chinese-Falcon 基础模型；ChatFlow中文对话	summary
2661	ranking			Learning to Rank in TensorFlow	summary
2661	gaussian-splatting		🤗	Original reference implementation of "3D Gaussian	summary
2639	internlm		🤗	InternLM has open-sourced a 7 billion parameter ba	summary
2635	threestudio		🤗	A unified framework for 3D content generation.	summary
2630	dtreeviz			A python library for decision tree visualization a	summary
2612	llmzoo		🤗	⚡LLM Zoo is a project that provides data, models,	summary
2604	ddsp			DDSP: Differentiable Digital Signal Processing	summary
2595	GLM		🤗	GLM (General Language Model)	summary
2593	dm-haiku		🤗	JAX-based neural network library	summary
2588	lit-gpt		🤗	Hackable implementation of state-of-the-art open-s	summary
2571	img2dataset			Easily turn large sets of image urls to an image d	summary
2563	editanything		🤗	Edit anything in images powered by segment-anythi	summary
2545	bmtools		🤗	Tool Learning for Big Models, Open-Source Solution	summary
2540	hiplot			HiPlot makes understanding high dimensional data e	summary
2539	foolbox			A Python toolbox to create adversarial examples th	summary
2534	sam-hq		🤗	Segment Anything in High Quality	summary
2530	nougat		🤗	Implementation of Nougat Neural Optical Understand	summary
2525	alphatensor				summary
2499	baichuan-13b		🤗	A 13B large language model developed by Baichuan I	summary
2499	galai		🤗	Model API for GALACTICA	summary
2496	yolov3-tf2			YoloV3 Implemented in Tensorflow 2.0	summary
2464	rubrix		🤗	✨Argilla: the open-source data curation platform f	summary
2458	scenic			Scenic: A Jax Library for Computer Vision Research	summary
2456	sd-webui-segment-anything		🤗	Segment Anything for Stable Diffusion WebUI	summary
2449	AlphaTree-graphic-deep-ne		🤗	AI Roadmap:机器学习(Machine Learning)、深度学习(Deep Learni	summary
2423	riffusion-app		🤗	Stable diffusion for real-time music generation (w	summary
2414	keras-bert			Implementation of BERT that could load official pr	summary
2389	grobid		🤗	A machine learning software for extracting informa	summary
2379	otter		🤗	🦦 Otter, a multi-modal model based on OpenFlamingo	summary
2361	Kandinsky-2		🤗	Kandinsky 2 — multilingual text2image latent diffu	summary
2357	KAIR			Image Restoration Toolbox (PyTorch). Training and	summary
2346	chinese-clip		🤗	Chinese version of CLIP which achieves Chinese cro	summary
2337	timesketch			Collaborative forensic timeline analysis	summary
2329	cnocr		🤗	CnOCR: Awesome Chinese/English OCR toolkits based	summary
2322	prompt-to-prompt		🤗		summary
2304	t2i-adapter		🤗	T2I-Adapter	summary
2290	esm		🤗	Evolutionary Scale Modeling (esm): Pretrained lang	summary
2271	DeepKE		🤗	An Open Toolkit for Knowledge Graph Extraction and	summary
2236	DialoGPT		🤗	Large-scale pretraining for dialogue	summary
2233	Neural-Style-Transfer			Keras Implementation of Neural Style Transfer from	summary
2223	BIG-bench			Beyond the Imitation Game collaborative benchmark	summary
2223	rebiber		🤗	A simple tool to update bib entries with their off	summary
2220	deeppointcloud-benchmarks			Pytorch framework for doing deep learning on point	summary
2206	SARA_DDPG			ICCV2019 - Learning to Paint With Model-based Deep	summary
2202	wavenet_vocoder			WaveNet vocoder	summary
2192	awesome-implicit-represen			A curated list of resources on implicit neural rep	summary
2190	PyTorch-NLP		🤗	Basic Utilities for PyTorch Natural Language Proce	summary
2185	BlenderProc			A procedural Blender pipeline for photorealistic t	summary
2182	codet5		🤗	Home of CodeT5: Open Code LLMs for Code Understand	summary
2168	segment-geospatial			A Python package for segmenting geospatial data wi	summary
2155	dsp			DSPy: The framework for programming with foundatio	summary
2144	painter		🤗	Painter & SegGPT Series: Vision Foundation Models	summary
2124	ask-anything		🤗	[VideoChatGPT] ChatGPT with video understanding! A	summary
2082	promptsource		🤗	Toolkit for creating, sharing and using natural la	summary
2082	neural-tangents			Fast and Easy Infinite Neural Networks in Python	summary
2078	GPEN		🤗		summary
2069	ofa		🤗	Official repository of OFA (ICML 2022). Paper: OFA	summary
2068	openfold			Trainable, memory-efficient, and GPU-friendly PyTo	summary
2066	rust-bert		🤗	Rust native ready-to-use NLP pipelines and transfo	summary
2064	awesome-prompt-engineerin		🤗	This repository contains a hand-curated resources	summary
2058	doctr		🤗	docTR (Document Text Recognition) - a seamless, hi	summary
2042	alpaca-cot		🤗	We unified the interfaces of instruction-tuning da	summary
2018	lightglue			LightGlue: Local Feature Matching at Light Speed (	summary
2004	Face-Depixelizer			Face Depixelizer based on "PULSE: Self-Supervised	summary
2000	videocrafter		🤗	A Toolkit for Text-to-Video Generation and Editing	summary
1994	BERT-related-papers		🤗	BERT-related papers	summary
1992	AutoGPTQ		🤗	An easy-to-use LLMs quantization package with user	summary
1979	clip-interrogator		🤗	Image to prompt with BLIP and CLIP	summary
1956	SkyAR			Official Pytorch implementation of the preprint pa	summary
1955	ru-gpts			Russian GPT3 models.	summary
1930	easylm		🤗	Large language models (LLMs) made easy, EasyLM is	summary
1920	norfair		🤗	Lightweight Python library for adding real-time mu	summary
1916	llm-attacks		🤗	Universal and Transferable Attacks on Aligned Lang	summary
1904	waifu-diffusion		🤗	stable diffusion finetuned on weeb stuff	summary
1903	tabula-py			Simple wrapper of tabula-java: extract table from	summary
1895	deeplearning-biology		🤗	A list of deep learning implementations in biology	summary
1872	deepvoice3_pytorch			PyTorch implementation of convolutional neural net	summary
1872	AudioLDM		🤗	AudioLDM: Generate speech, sound effects, music an	summary
1858	simple-llama-finetuner		🤗	Simple UI for LLM Model Finetuning	summary
1844	longformer			Longformer: The Long-Document Transformer	summary
1840	internimage		🤗	[CVPR 2023 Highlight] InternImage: Exploring Large	summary
1836	adapter-transformers		🤗	Huggingface Transformers + Adapters = ❤️	summary
1831	chatyuan		🤗	ChatYuan: Large Language Model for Dialogue in Chi	summary
1817	compare_gan			Compare GAN code.	summary
1798	silero-vad			Silero VAD: pre-trained enterprise-grade Voice Act	summary
1787	deforum-stable-diffusion		🤗		summary
1777	ecco			Explain, analyze, and visualize NLP language model	summary
1765	brax			Massively parallel rigidbody physics simulation on	summary
1759	ultrachat		🤗	Large-scale, Informative, and Diverse Multi-round	summary
1750	segment-and-track-anythin		🤗	An open-source project dedicated to tracking and s	summary
1745	ganspace			Discovering Interpretable GAN Controls [NeurIPS 20	summary
1741	tigerbot		🤗	TigerBot: A multi-language multi-task LLM	summary
1714	neuralforecast			Scalable and user friendly neural 🧠 forecast	summary
1712	zero123		🤗	Zero-1-to-3: Zero-shot One Image to 3D Object (ICC	summary
1709	once-for-all			[ICLR 2020] Once for All: Train One Network and Sp	summary
1707	orbit			A Python package for Bayesian forecasting with obj	summary
1703	TensorNetwork			A library for easy and efficient manipulation of t	summary
1699	gpt2-ml			GPT2 for Multiple Languages, including pretrained	summary
1694	biobert		🤗	Bioinformatics'2020: BioBERT: a pre-trained biomed	summary
1687	bayesian-machine-learning			Notebooks about Bayesian methods for machine learn	summary
1673	transfer-learning-conv-ai		🤗	🦄 State-of-the-Art Conversational AI with Transfer	summary
1666	Recognize_Anything-Tag2Te		🤗	Code for the Recognize Anything Model (RAM) and Ta	summary
1652	DeBERTa		🤗	The implementation of DeBERTa	summary
1648	ru-dalle		🤗	Generate images from texts. In Russian	summary
1641	hivemind		🤗	Decentralized deep learning in PyTorch. Built to t	summary
1614	rainbow-is-all-you-need			Rainbow is all you need! A step-by-step tutorial f	summary
1612	semantic-segment-anything		🤗	Automated dense category annotation engine that se	summary
1611	awesome-chatgpt		🤗	⚡ Everything about ChatGPT	summary
1596	CPM-Generate		🤗	Chinese Pre-Trained Language Models (CPM-LM) Versi	summary
1594	openchat		🤗	OpenChat: Advancing Open-source Language Models wi	summary
1580	clip-retrieval			Easily compute clip embeddings and build a clip re	summary
1570	CDial-GPT		🤗	A Large-scale Chinese Short-Text Conversation Dat	summary
1565	setfit		🤗	Efficient few-shot learning with Sentence Transfor	summary
1552	jiant			jiant is an nlp toolkit	summary
1546	custom-diffusion		🤗	Custom Diffusion: Multi-Concept Customization of T	summary
1529	sd-akashic		🤗	A compendium of informations regarding Stable Diff	summary
1525	sdpaint		🤗	Stable Diffusion Painting	summary
1521	video-llama		🤗	Video-LLaMA: An Instruction-tuned Audio-Visual Lan	summary
1520	torchrec			Pytorch domain library for recommendation systems	summary
1520	optimum		🤗	🚀 Accelerate training and inference of 🤗 Transform	summary
1513	evaluate		🤗	🤗 Evaluate: A library for easily evaluating machin	summary
1505	GLIP		🤗	Grounded Language-Image Pre-training	summary
1499	torch-cam		🤗	Class activation maps for your PyTorch models (CAM	summary
1496	DiT		🤗	Official PyTorch Implementation of "Scalable Diffu	summary
1489	language		🤗	Shared repository for open-sourced projects from t	summary
1488	pythia		🤗		summary
1486	DualStyleGAN		🤗	[CVPR 2022] Pastiche Master: Exemplar-Based High-R	summary
1463	awesome-anything		🤗	General AI methods for Anything: AnyObject, AnyGen	summary
1460	MedicalZooPytorch			A pytorch-based deep learning framework for multi-	summary
1458	rl-baselines3-zoo		🤗	A training framework for Stable Baselines3 reinfor	summary
1458	3d-ken-burns			an implementation of 3D Ken Burns Effect from a Si	summary
1457	benchmark_VAE		🤗	Unifying Variational Autoencoder (VAE) implementat	summary
1451	transformers_tasks		🤗	⭐️ NLP Algorithms with transformers lib. Supportin	summary
1449	yake			Single-document unsupervised keyword extraction	summary
1449	big_transfer			Official repository for the "Big Transfer (BiT): G	summary
1444	pke			Python Keyphrase Extraction module	summary
1444	omnizart			Omniscient Mozart, being able to transcribe everyt	summary
1442	Transformer-Explainabilit		🤗	[CVPR 2021] Official PyTorch implementation for Tr	summary
1435	icon		🤗	[CVPR'22] ICON: Implicit Clothed humans Obtained f	summary
1428	pytorch_segmentation			🎨 Semantic segmentation models, datasets and l	summary
1416	k-diffusion		🤗	Karras et al. (2022) diffusion models for PyTorch	summary
1410	AudioLDM2		🤗	Text-to-Audio/Music Generation	summary
1404	medicalgpt		🤗	MedicalGPT: Training Your Own Medical GPT Model wi	summary
1401	eva		🤗	EVA Series: Visual Representation Fantasies from B	summary
1395	PySR			High-Performance Symbolic Regression in Python and	summary
1395	mplug-owl		🤗	mPLUG-Owl🦉: Modularization Empowers Large Language	summary
1393	co-tracker		🤗	CoTracker is a model for tracking any point (pixel	summary
1392	InterFaceGAN			[CVPR 2020] Interpreting the Latent Space of GANs	summary
1391	promptcraft-robotics		🤗	Community for applying LLMs to robotics and a robo	summary
1382	caption-anything		🤗	Caption-Anything is a versatile tool combining ima	summary
1380	gramformer		🤗	A framework for detecting, highlighting and correc	summary
1369	entity-recognition-datase		🤗	A collection of corpora for named entity recogniti	summary
1369	awesome-text-to-image		🤗	(ෆ`꒳´ෆ) A Survey on Text-to-Image Generation/Synth	summary
1367	video-retalking			[SIGGRAPH Asia 2022] VideoReTalking: Audio-based L	summary
1363	JoJoGAN		🤗	Official PyTorch repo for JoJoGAN: One Shot Face S	summary
1363	ParallelWaveGAN			Unofficial Parallel WaveGAN (+ MelGAN & Multi-band	summary
1355	neuraltalk2.pytorch			I decide to sync up this repo and self-critical.py	summary
1350	colabfold			Making Protein folding accessible to all!	summary
1337	deepfilternet		🤗	Noise supression using deep filtering	summary
1335	Make-It-3D		🤗	[ICCV 2023] Make-It-3D: High-Fidelity 3D Creation	summary
1335	i-Code		🤗		summary
1333	animeganv3		🤗	Use AnimeGANv3 to make your own animation works, i	summary
1333	BoostingMonocularDepth				summary
1323	codetf		🤗	CodeTF: One-stop Transformer Library for State-of-	summary
1311	redner			Differentiable rendering without approximation.	summary
1309	autoformer		🤗	About Code release for "Autoformer: Decomposition	summary
1307	state-spaces		🤗	Sequence Modeling with Structured State Spaces	summary
1305	blog		🤗	Public repo for HF blog posts	summary
1292	koalpaca		🤗	KoAlpaca: 한국어 명령어를 이해하는 오픈소스 언어모델	summary
1288	webglm		🤗	WebGLM: An Efficient Web-enhanced Question Answeri	summary
1281	uncertainty-baselines			High-quality implementations of standard and SOTA	summary
1277	nerfies			This is the code for Deformable Neural Radiance Fi	summary
1264	stable-diffusion		🤗		summary
1243	ColBERT			ColBERT: state-of-the-art neural search (SIGIR'20,	summary
1238	DeepPrivacy		🤗	DeepPrivacy: A Generative Adversarial Network for	summary
1228	Transformer-in-Vision		🤗	Recent Transformer-based CV and related works.	summary
1228	alpacadatacleaned		🤗	Alpaca dataset from Stanford, cleaned and curated	summary
1219	data-efficient-gans			[NeurIPS 2020] Differentiable Augmentation for Dat	summary
1218	CodeXGLUE		🤗	CodeXGLUE	summary
1208	chemprop			Message Passing Neural Networks for Molecule Prope	summary
1205	versatile-diffusion		🤗	Versatile Diffusion: Text, Images and Variations A	summary
1195	prismer		🤗	The implementation of "Prismer: A Vision-Language	summary
1188	instructor-embedding		🤗	[ACL 2023] One Embedder, Any Task: Instruction-Fin	summary
1186	multimodal-gpt		🤗	Multimodal-GPT	summary
1181	one-pixel-attack-keras			Keras implementation of "One pixel attack for fool	summary
1178	flan		🤗		summary
1177	personalize-sam		🤗	Personalize Segment Anything Model (SAM) with 1 sh	summary
1175	hmtl		🤗	🌊HMTL: Hierarchical Multi-Task Learning - A State-	summary
1172	magic123		🤗	Official PyTorch Implementation of Magic123: One I	summary
1167	ktrain		🤗	ktrain is a Python library that makes deep learnin	summary
1163	poolformer		🤗	PoolFormer: MetaFormer Is Actually What You Need f	summary
1159	musicinformationretrieval			Instructional notebooks on music information retri	summary
1158	KoBERT			Korean BERT pre-trained cased (KoBERT)	summary
1154	PPO-PyTorch			Minimal implementation of clipped objective Proxim	summary
1147	score_sde_pytorch		🤗	PyTorch implementation for Score-Based Generative	summary
1146	multilingual-t5		🤗		summary
1146	GANsNRoses			Official PyTorch repo for GAN's N' Roses. Diverse	summary
1140	NeRF-Factory		🤗	An awesome PyTorch NeRF library	summary
1138	demogpt		🤗	Create 🦜️🔗 LangChain apps by just using prompts🌟 S	summary
1138	GLIGEN		🤗	Open-Set Grounded Text-to-Image Generation	summary
1134	dpm-solver		🤗	Official code for "DPM-Solver: A Fast ODE Solver f	summary
1132	finBERT		🤗	Financial Sentiment Analysis with BERT	summary
1131	cramming		🤗	Cramming the training of a (BERT-type) language mo	summary
1109	mt3			MT3: Multi-Task Multitrack Music Transcription	summary
1103	flexflow		🤗	A distributed deep learning framework.	summary
1103	StyleGAN-nada		🤗		summary
1096	X-Decoder		🤗	[CVPR 2023] Official Implementation of X-Decoder f	summary
1090	rfdiffusion			Code for running RFdiffusion	summary
1089	dwpose		🤗	"Effective Whole-body Pose Estimation with Two-sta	summary
1085	ZoeDepth		🤗	Metric depth estimation from a single image	summary
1081	ydata-synthetic			Synthetic data generators for tabular and time-ser	summary
1080	prompt2model			prompt2model - Generate Deployable Models from Nat	summary
1078	StableSR		🤗	Exploiting Diffusion Prior for Real-World Image Su	summary
1076	fourier-feature-networks			Fourier Features Let Networks Learn High Frequency	summary
1076	sd-webui-modelscope-text2		🤗	Auto1111 extension implementing text2video diffusi	summary
1075	unidiffuser		🤗	Code and models for the paper "One Transformer Fit	summary
1074	PPLM		🤗	Plug and Play Language Model implementation. Allow	summary
1073	beir		🤗	A Heterogeneous Benchmark for Information Retrieva	summary
1071	noisereduce			Noise reduction in python using spectral gating (s	summary
1071	rl-baselines-zoo			A collection of 100+ pre-trained RL agents using S	summary
1064	MetaTransformer		🤗	Meta-Transformer for Unified Multimodal Learning	summary
1056	gan-compression			[CVPR 2020] GAN Compression: Efficient Architectur	summary
1043	ai-economist			Foundation is a flexible, modular, and composable	summary
1042	d3rlpy			An offline deep reinforcement learning library	summary
1036	awesome-jax			JAX - A curated list of resources https://github.c	summary
1027	stylegan-t		🤗	[ICML'23] StyleGAN-T: Unlocking the Power of GANs	summary
1022	pytorch_tabular			A standard framework for modelling Deep Learning M	summary
1022	ceval		🤗	Official github repo for C-Eval, a Chinese evaluat	summary
1022	TransformerTTS			🤖💬 Transformer TTS: Implementation of a non-autore	summary
1019	tapas		🤗	End-to-end neural table-text understanding models.	summary
1017	TextBox		🤗	TextBox 2.0 is a text generation library with pre-	summary
1017	chatgpt-comparison-detect		🤗	Human ChatGPT Comparison Corpus (HC3), Detectors,	summary
1015	xls			XLS: Accelerated HW Synthesis	summary
1008	restyle-encoder			Official Implementation for "ReStyle: A Residual-B	summary
1007	mario-gpt		🤗	Generating Mario Levels with GPT2. Code for the pa	summary
998	stylegan2-distillation				summary
997	OneFormer		🤗	[CVPR 2023] OneFormer: One Transformer to Rule Uni	summary
996	table-transformer		🤗	Table Transformer (TATR) is a deep learning model	summary
990	PhiFlow			A differentiable PDE solving framework for machine	summary
986	image-background-remove-t			✂️ Automated high-quality background removal frame	summary
984	jax-md			Differentiable, Hardware Accelerated, Molecular Dy	summary
981	question_generation		🤗	Neural question generation using transformers	summary
981	VideoMAE		🤗	[NeurIPS 2022 Spotlight] VideoMAE: Masked Autoenco	summary
978	aiops-handbook		🤗	Collection of slides, repositories, papers about A	summary
976	stablevideo		🤗	[ICCV 2023] StableVideo: Text-driven Consistency-a	summary
973	openlane			OpenLane is an automated RTL to GDSII flow based o	summary
971	qwen-vl		🤗	The official repo of Qwen-VL (通义千问-VL) chat & pret	summary
969	Dromedary		🤗	Dromedary: towards helpful, ethical and reliable L	summary
968	Dain-App			Source code for Dain-App	summary
965	torchdistill		🤗	A coding-free framework built on PyTorch for repro	summary
964	awesome-bert-nlp		🤗	A curated list of NLP resources focused on Transfo	summary
963	stable-diffusion-webui-wd		🤗	Labeling extension for Automatic1111's Web UI	summary
963	coyo-dataset		🤗	COYO-700M: Large-scale Image-Text Pair Dataset	summary
961	big_vision			Official codebase used to develop Vision Transform	summary
959	long_llama		🤗	LongLLaMA is a large language model capable of han	summary
958	kogpt		🤗	KakaoBrain KoGPT (Korean Generative Pre-trained Tr	summary
957	hyperstyle			Official Implementation for "HyperStyle: StyleGAN	summary
951	sefa			[CVPR 2021] Closed-Form Factorization of Latent Se	summary
949	diffusiondb		🤗	A large-scale text-to-image prompt gallery dataset	summary
943	cellpose			a generalist algorithm for cellular segmentation w	summary
939	tabpfn		🤗	Official implementation of the TabPFN paper (https	summary
934	Summarization-Papers		🤗	Summarization Papers	summary
931	StyleNeRF		🤗	This is the open source implementation of the ICLR	summary
930	deeplab2			DeepLab2 is a TensorFlow library for deep labeling	summary
928	awesome-colab-notebooks		🤗	Collection of google colaboratory notebooks for fa	summary
925	finrl-meta			FinRL­-Meta: Dynamic datasets and market environme	summary
907	natspeech		🤗	A Non-Autoregressive Text-to-Speech (NAR-TTS) fram	summary
907	unicorn		🤗	[ECCV'22 Oral] Towards Grand Unification of Object	summary
903	unlimiformer		🤗	Public repo for the preprint "Unlimiformer: Long-R	summary
898	awesome-segment-anything		🤗	Tracking and collecting papers/projects/others rel	summary
896	volo			VOLO: Vision Outlooker for Visual Recognition	summary
890	genforce			An efficient PyTorch library for deep generative m	summary
890	lisa		🤗	Project Page for "LISA: Reasoning Segmentation via	summary
882	graphein			Protein Graph Library	summary
881	stylegan_xl		🤗	[SIGGRAPH'22] StyleGAN-XL: Scaling StyleGAN to Lar	summary
881	Neighborhood-Attention-Tr		🤗	[CVPR 2023] Neighborhood Attention Transformer and	summary
876	gpt-2-Pytorch			Simple Text-Generator with OpenAI gpt-2 Pytorch Im	summary
870	pandallm		🤗	Panda项目是于2023年5月启动的开源海外中文大语言模型项目，致力于大模型时代探索整个技术栈，旨	summary
869	pix2pix-zero		🤗	Zero-shot Image-to-Image Translation [SIGGRAPH 2	summary
868	natural-language-image-se			Search photos on Unsplash using natural language	summary
866	ECON		🤗	[CVPR'23, Highlight] ECON: Explicit Clothed humans	summary
866	One-2-3-45		🤗	official code of "One-2-3-45: Any Single Image to	summary
864	ddim		🤗	Denoising Diffusion Implicit Models	summary
863	pythainlp			Thai Natural Language Processing in Python.	summary
860	AI-basketball-analysis			🏀🤖🏀 AI web app and API	summary
858	projected_gan		🤗	[NeurIPS'21] Projected GANs Converge Faster	summary
856	SpanBERT		🤗	Code for using and evaluating SpanBERT.	summary
856	ERNIE-Pytorch		🤗	ERNIE Pytorch Version	summary
854	replitlm		🤗	Inference code and configs for the ReplitLM model	summary
853	deepspeed-mii		🤗	MII makes low-latency and high-throughput inferenc	summary
850	fatezero		🤗	[ICCV 2023 Oral] "FateZero: Fusing Attentions for	summary
846	awesome-animepapers		🤗	Papers, repository and other data about anime or m	summary
845	KILT		🤗	Library for Knowledge Intensive Language Tasks	summary
843	encoder4editing			Official implementation of "Designing an Encoder f	summary
839	bigscience		🤗	Central place for the engineering/scaling WG: docu	summary
839	text2room		🤗	Text2Room generates textured 3D meshes from a give	summary
834	mbrl-lib			Library for Model Based RL	summary
834	DNS-Challenge		🤗	This repo contains the scripts, models, and requir	summary
831	what-if-tool			Source code/webpage/demos for the What-If Tool	summary
831	pytorch-image-classificat			Tutorials on how to implement a few key architectu	summary
831	icevision			An Agnostic Computer Vision Framework - Pluggable	summary
825	lightautoml			LAMA - automatic model creation framework	summary
823	ProtTrans		🤗	ProtTrans is providing state of the art pretrained	summary
821	MedMNIST			[pip install medmnist] 18 MNIST-like Datasets for	summary
820	BERT-keras			Keras implementation of BERT with pre-trained weig	summary
820	whisper-timestamped		🤗	Multilingual Automatic Speech Recognition with wor	summary
817	mlhub123		🤗	机器学习&深度学习网站资源汇总（Machine Learning Resources）	summary
811	ast			Code for the Interspeech 2021 paper "AST: Audio Sp	summary
809	parrot_paraphraser		🤗	A practical and feature-rich paraphrasing framewor	summary
808	cvpr2022-dagan		🤗	Official code for CVPR2022 paper: Depth-Aware Gene	summary
806	CompilerGym			Reinforcement learning environments for compiler a	summary
804	clipseg		🤗	This repository contains the code of the CVPR 2022	summary
802	maxim		🤗	[CVPR 2022 Oral] Official repository for "MAXIM: M	summary
799	ddnm		🤗	[ICLR 2023 Oral] Zero-Shot Image Restoration Using	summary
799	safe-rlhf		🤗	Safe-RLHF: Constrained Value Alignment via Safe Re	summary
798	Paper-Reading		🤗	📖 Paper reading list in dialogue systems and natur	summary
795	2D-TAN		🤗	VideoX: a collection of video cross-modal models	summary
794	VideoX		🤗	VideoX: a collection of video cross-modal models	summary
794	viscpm		🤗	Chinese and English Multimodal Large Model Series	summary
792	Text2LIVE		🤗	Official Pytorch Implementation for "Text2LIVE: Te	summary
790	PTI			Official Implementation for "Pivotal Tuning for La	summary
789	Bert-Multi-Label-Text-Cla		🤗	This repo contains a PyTorch implementation of a p	summary
786	fewshot-face-translation-			Generative adversarial networks integrating module	summary
784	clap		🤗	Contrastive Language-Audio Pretraining	summary
778	moss-rlhf		🤗	MOSS-RLHF	summary
773	noah-research		🤗	Noah Research	summary
770	MM-REACT		🤗	Official repo for MM-REACT	summary
770	biaffine-parser		🤗	🚀 State-of-the-art parsers for natural lang	summary
769	stable-diffusion		🤗		summary
760	CLUEPretrainedModels		🤗	高质量中文预训练模型集合：最先进大模型、最快小模型、相似度专门模型	summary
760	pytorch-unet			Simple PyTorch implementations of U-Net/FullyConvN	summary
754	VAN-Classification		🤗		summary
753	godel		🤗	Large-scale pretrained models for goal-directed di	summary
753	aphantasia			CLIP + FFT/DWT/RGB = text to image/video	summary
752	segment-anything-video		🤗	MetaSeg: Packaged version of the Segment Anything	summary
750	deeplift			Public facing deeplift repo	summary
749	transformers-tutorials		🤗	Github repo with tutorials to fine tune transforme	summary
749	conr			IJCAI2023 - Collaborative Neural Rendering using A	summary
749	speecht5		🤗	Unified-Modal Speech-Text Pre-Training for Spoken	summary
745	natural-instructions-expa		🤗	Expanding natural instructions	summary
745	tango		🤗	Codes and Model of the paper "Text-to-Audio Genera	summary
745	anycost-gan			[CVPR 2021] Anycost GANs for Interactive Image Syn	summary
743	YOLOS		🤗	[NeurIPS 2021] You Only Look at One Sequence	summary
743	4D-Humans		🤗	4DHumans: Reconstructing and Tracking Humans with	summary
742	NL-Augmenter			NL-Augmenter 🦎 → 🐍 A Collaborative Repository of N	summary
742	pyabsa		🤗	Sentiment Analysis, Text Classification, Text Augm	summary
741	snntorch			Deep and online learning with spiking neural netwo	summary
736	pg-is-all-you-need			Policy Gradient is all you need! A step-by-step tu	summary
734	how-do-vits-work			(ICLR 2022 Spotlight) Official PyTorch implementat	summary
733	awesome-talking-head-gene		🤗		summary
731	xmanager			A platform for managing machine learning experimen	summary
729	Multilingual_Text_to_Spee			An implementation of Tacotron 2 that supports mult	summary
728	3D-Reconstruction-with-De		🤗	List of projects for 3d reconstruction	summary
728	data-validation			Library for exploring and validating machine learn	summary
727	UIE		🤗	Unified Structure Generation for Universal Informa	summary
726	rewoo		🤗	Decoupling Reasoning from Observations for Efficie	summary
726	vq-diffusion		🤗	Official implementation of VQ-Diffusion	summary
723	Paint-by-Example		🤗	Paint by Example: Exemplar-based Image Editing wit	summary
720	homemade_bookcorpus		🤗	Crawl BookCorpus	summary
720	tsfel			An intuitive library to extract features from time	summary
719	lamini-lm		🤗	LaMini-LM: A Diverse Herd of Distilled Models from	summary
716	Chat-Haruhi-Suzumiya		🤗	Chat凉宫春日, 由李鲁鲁, 冷子昂等同学开发的模仿二次元对话的聊天机器人。	summary
716	Text2Human		🤗	Code for Text2Human (SIGGRAPH 2022). Paper: Text2H	summary
715	lhotse			Tools for handling speech data in machine learning	summary
713	flashtorch			Visualization toolkit for neural networks in PyTor	summary
709	auto-cot			Official implementation for "Automatic Chain of Th	summary
708	portuguese-bert		🤗	Portuguese pre-trained BERT models	summary
704	cutler		🤗	Code release for "Cut and Learn for Unsupervised O	summary
702	uniformer		🤗	[ICLR2022] official implementation of UniFormer	summary
702	pix2seq			Pix2Seq codebase: multi-tasks with generative mode	summary
702	llm-awq		🤗	AWQ: Activation-aware Weight Quantization for LLM	summary
700	CLIPasso				summary
699	MultiDiffusion		🤗	Official Pytorch Implementation for "MultiDiffusio	summary
698	image2paragraph		🤗	[A toolbox for fun.] Transform Image into Unique P	summary
697	GANSketching			Sketch Your Own GAN: Customizing a GAN model with	summary
695	fastformers		🤗	FastFormers - highly efficient transformer models	summary
693	DAMO-ConvAI		🤗	DAMO-ConvAI: The official repository which contain	summary
693	sgpt		🤗	SGPT: GPT Sentence Embeddings for Semantic Search	summary
691	deforumstablediffusionloc		🤗	Local version of Deforum Stable Diffusion, support	summary
689	paella		🤗	Official Implementation of Paella https://arxiv.or	summary
686	learned_optimization				summary
685	InstColorization				summary
684	piml-toolbox			PiML (Python Interpretable Machine Learning) toolb	summary
680	hqtrack		🤗	Tracking Anything in High Quality	summary
679	omnisafe			OmniSafe is an infrastructural framework for accel	summary
677	imbalanced-regression			[ICML 2021, Long Talk] Delving into Deep Imbalance	summary
673	ginza		🤗	A Japanese NLP Library using spaCy as framework ba	summary
672	awesomekorean_data		🤗	한국어 데이터 세트 링크	summary
667	pbdl-book			Welcome to the Physics-based Deep Learning Book (v	summary
666	semantic-segmentation			SOTA Semantic Segmentation Models in PyTorch	summary
664	rrhf		🤗	RRHF & Wombat	summary
661	stable-diffusion-aestheti		🤗	Personalization for Stable Diffusion via Aesthetic	summary
659	followyourpose		🤗	Follow-Your-Pose: This repo is the official implem	summary
658	nncf		🤗	Neural Network Compression Framework for enhanced	summary
657	plug-and-play		🤗	Official Pytorch Implementation for “Plug-and-Play	summary
654	diffdock		🤗	Implementation of DiffDock: Diffusion Steps, Twist	summary
654	data-copilot		🤗	Data-Copilot: Bridging Billions of Data and Humans	summary
652	arcanegan		🤗	ArcaneGAN	summary
652	wizardvicunalm		🤗	LLM that combines the principles of wizardLM and v	summary
652	MotionDiffuse		🤗	MotionDiffuse: Text-Driven Human Motion Generation	summary
651	smoothquant		🤗	[ICML 2023] SmoothQuant: Accurate and Efficient Po	summary
651	luke		🤗	LUKE -- Language Understanding with Knowledge-base	summary
650	symbolic_deep_learning			Code for "Discovering Symbolic Models from Deep Le	summary
650	unimatch		🤗	[TPAMI'23] Unifying Flow, Stereo and Depth Estimat	summary
645	chinese-alpaca-lora		🤗	骆驼:A Chinese finetuned instruction LLaMA. Develope	summary
644	huatuogpt		🤗	HuatuoGPT, Towards Taming Language Models To Be a	summary
644	3DFuse		🤗	Official implementation of "Let 2D Diffusion Model	summary
643	nasbench			NASBench: A Neural Architecture Search Dataset and	summary
641	odise		🤗	Official PyTorch implementation of ODISE: Open-Voc	summary
640	karlo		🤗		summary
637	diffusionclip		🤗	[CVPR 2022] Official PyTorch Implementation for Di	summary
635	easy-few-shot-learning			Ready-to-use code and tutorial notebooks to boost	summary
634	STEGO			Unsupervised Semantic Segmentation by Distilling F	summary
633	trainyourownyolo			Train a state-of-the-art yolov3 object detector fr	summary
632	BEAT		🤗	A Large-Scale Semantic and Emotional Multi-Modal D	summary
631	chinese_speech_pretrain		🤗	chinese speech pretrained models	summary
630	primeqa		🤗	The prime repository for state-of-the-art Multilin	summary
630	musika		🤗	Fast Infinite Waveform Music Generation	summary
629	MTTR		🤗		summary
628	torchbearer			torchbearer: A model fitting library for PyTorch	summary
624	icl_paperlist		🤗	Paper List for In-context Learning 🌷	summary
622	scikit-uplift			❗ uplift modeling in scikit-learn styl	summary
622	voicefixer		🤗	General Speech Restoration	summary
619	Multilingual-CLIP		🤗	OpenAI CLIP text encoders for multiple languages!	summary
615	inaspeechsegmenter			CNN-based audio segmentation toolkit. Allows to de	summary
613	autofaiss			Automatically create Faiss knn indices with the mo	summary
612	promptclue		🤗	PromptCLUE, 全中文任务支持零样本学习模型	summary
611	imagereward		🤗	ImageReward: Learning and Evaluating Human Prefere	summary
609	Transformer-MM-Explainabi		🤗	[ICCV 2021- Oral] Official PyTorch implementation	summary
608	stylegan3-editing			Official Implementation of "Third Time's the Charm	summary
606	portrait-segmentation			Real-time portrait segmentation for mobile devices	summary
603	pandagpt		🤗	PandaGPT: One Model To Instruction-Follow Them All	summary
602	cdqa			⛔ [NOT MAINTAINED] An End-To-End Closed Domain Que	summary
602	WavAugment			A library for speech data augmentation in time-dom	summary
601	latent-nerf		🤗	Official Implementation for "Latent-NeRF for Shape	summary
600	Cartoon-StyleGan2			Fine-tuning StyleGAN2 for Cartoon Face Generation	summary
600	LION		🤗	Latent Point Diffusion Models for 3D Shape Generat	summary
600	prompt-free-diffusion		🤗	Prompt-Free Diffusion: Taking "Text" out of Text-t	summary
599	lightning-transformers		🤗	Flexible components pairing 🤗 Transformers with :z	summary
593	neuspell		🤗	NeuSpell: A Neural Spelling Correction Toolkit	summary
592	octis			OCTIS: Comparing Topic Models is Simple! A python	summary
592	segmentanyrgbd		🤗	Segment Any RGBD	summary
592	Fast_Sentence_Embeddings		🤗	Compute Sentence Embeddings Fast!	summary
592	models		🤗	Model Zoo for Intel® Architecture: contains Intel	summary
591	dct-net		🤗	Official implementation of "DCT-Net: Domain-Calibr	summary
589	VideoGPT		🤗		summary
586	FocalNet		🤗	[NeurIPS 2022] Official code for "Focal Modulation	summary
586	gpt-4chan-public		🤗	Code for GPT-4chan	summary
584	ONE-PEACE		🤗	A general representation model across vision, audi	summary
584	cblue		🤗	中文医疗信息处理基准CBLUE: A Chinese Biomedical Language Und	summary
582	gpt4tools		🤗	GPT4Tools is an intelligent system that can automa	summary
580	DensePhrases		🤗	ACL'2021: Learning Dense Representations of Phrase	summary
579	alpaca_eval		🤗	An automatic evaluator for instruction-following l	summary
577	icefall		🤗		summary
573	neural-backed-decision-tr			Making decision trees competitive with neural netw	summary
573	clinicalBERT		🤗	repository for Publicly Available Clinical BERT Em	summary
572	knowlm		🤗	An Open-sourced Knowledgable Large Language Model	summary
572	DisCo		🤗	DisCo: Referring Human Dance Generation in Real Wo	summary
572	openfl			An open framework for Federated Learning.	summary
569	neural-collage			Collaging on Internal Representations: An Intuitiv	summary
569	nlp-tutorial		🤗	NLP新手入门教程	summary
568	spikegpt		🤗	Implementation of "SpikeGPT: Generative Pre-traine	summary
566	KoELECTRA		🤗	Pretrained ELECTRA Model for Korean	summary
565	xrayglm		🤗	🩺 首个会看胸部X光片的中文多模态医学大模型	The first Chinese Medical
565	ForwardTacotron			⏩ Generating speech in a single forward pass witho	summary
564	stereo-transformer			Revisiting Stereo Depth Estimation From a Sequence	summary
563	dreambooth-training-guide		🤗		summary
562	aequitas			Bias and Fairness Audit Toolkit	summary
558	PhoBERT		🤗	PhoBERT: Pre-trained language models for Vietnames	summary
557	awesome-chatgpt		🤗	Selected ChatGPT demos, tools, articles, and more	summary
553	fbrs_interactive_segmenta			[CVPR2020] f-BRS: Rethinking Backpropagating Refin	summary
553	TEXTurePaper		🤗	Official Implementation for "TEXTure: Text-Guided	summary
551	controlvideo		🤗	[Arxiv 2023] Official pytorch implementation of "C	summary
549	MotionBERT		🤗	[ICCV 2023] PyTorch Implementation of "MotionBERT:	summary
547	ibot			iBOT 🤖: Image BERT Pre-Training with Online	summary
546	KENLG-Reading		🤗	Author: Wenhao Yu ([email protected]). ACM Computing Sur	summary
543	recipenlg		🤗	Set of scripts and notebooks used to produce resul	summary
542	cvinw_readings		🤗	A collection of papers on the topic of ``Computer	summary
541	audio-diffusion		🤗	Apply diffusion models using the new Hugging Face	summary
539	Mava			🦁 A research-friendly codebase for fast experiment	summary
539	GigaSpeech		🤗	Large, modern dataset for speech recognition	summary
535	internvideo		🤗	InternVideo: General Video Foundation Models via G	summary
535	dl4g			Example code for the Siggraph Asia Tutorial Creati	summary
533	prize		🤗	A prize for finding tasks that cause large languag	summary
532	SAM			Official Implementation for "Only a Matter of Styl	summary
532	rewriting			Rewriting a Deep Generative Model, ECCV 2020 (oral	summary
531	nmt-keras			Neural Machine Translation with Keras	summary
530	spvnas			[ECCV 2020] Searching Efficient 3D Architectures w	summary
529	difface		🤗	DifFace: Blind Face Restoration with Diffused Erro	summary
526	KLUE		🤗	📖 Korean NLU Benchmark	summary
526	ritm_interactive_segmenta			Reviving Iterative Training with Mask Guidance for	summary
525	marllib			One repository is all that is necessary for Multi-	summary
522	probabilistic_unet			A U-Net combined with a variational auto-encoder t	summary
521	alpaca_farm		🤗	A simulation framework for RLHF and alternatives.	summary
520	ic_gan			Official repository for the paper "Instance-Condit	summary
519	MonoScene		🤗	[CVPR 2022] "MonoScene: Monocular 3D Semantic Scen	summary
519	ckip-transformers		🤗	CKIP Transformers	summary
516	regionclip		🤗	[CVPR 2022] Official code for "RegionCLIP: Region-	summary
515	trashnet		🤗	Dataset of images of trash; Torch-based CNN for ga	summary
514	CrossWOZ		🤗	A Large-Scale Chinese Cross-Domain Task-Oriented D	summary
514	ConSERT		🤗	Code for our ACL 2021 paper - ConSERT: A Contrasti	summary
514	StyleSDF		🤗		summary
513	emu		🤗	Emu: An Open Multimodal Generalist	summary
513	musicautobot		🤗	Using deep learning to generate music in MIDI form	summary
513	inception			INCEpTION provides a semantic annotation platform	summary
511	chatgpt-failures		🤗	Failure archive for ChatGPT and similar models	summary
510	Lifespan_Age_Transformati			Lifespan Age Transformation Synthesis code	summary
507	araBERT		🤗	Pre-trained Transformers for the Arabic Language U	summary
507	rl_games			RL implementations	summary
505	NCBI_BERT		🤗	BlueBERT, pre-trained on PubMed abstracts and clin	summary
504	DeepReg			Medical image registration using deep learning	summary
504	ithaca			Restoring and attributing ancient texts using deep	summary
502	Multimodal-Toolkit		🤗	Multimodal model for text and tabular data with Hu	summary
501	Platypus		🤗	Code for fine-tuning Platypus fam LLMs using LoRA	summary
501	cpm-live		🤗	Live Training for Open-source Big Models	summary
501	unifiedskg		🤗	[EMNLP 2022] Unifying and multi-tasking structured	summary
500	fastT5		🤗	⚡ boost inference speed of T5 models by 5x & reduc	summary
499	jax-cfd			Computational Fluid Dynamics in JAX	summary
496	ChineseBert		🤗	Code for ACL 2021 paper "ChineseBERT: Chinese Pret	summary
496	dont-stop-pretraining		🤗	Code associated with the Don't Stop Pretraining AC	summary
496	kotlingrad			🧩 Shape-Safe Symbolic Differentiation with Algebra	summary
493	diffuser		🤗	Code for the paper "Planning with Diffusion for Fl	summary
492	DynamicViT			[NeurIPS 2021] [T-PAMI] DynamicViT: Efficient Visi	summary
490	concrete-ml		🤗	Concrete ML: Privacy Preserving ML framework built	summary
489	ov-seg		🤗	This is the official PyTorch implementation of the	summary
489	visualbert		🤗	Code for the paper "VisualBERT: A Simple and Perfo	summary
488	PromptKG		🤗	PromptKG Family: a Gallery of Prompt Learning & KG	summary
487	KoGPT2		🤗	Korean GPT-2 pretrained cased (KoGPT2)	summary
485	VIMA		🤗	Official Algorithm Implementation of ICML'23 Paper	summary
484	text2light			[SIGGRAPH Asia 2022] Text2Light: Zero-Shot Text-Dr	summary
484	transfiner		🤗	Mask Transfiner for High-Quality Instance Segmenta	summary
483	everydream-trainer			General fine tuning for Stable Diffusion	summary
482	small-text			Active Learning for Text Classification in Python	summary
481	hard-prompts-made-easy		🤗		summary
481	lambda-diffusers		🤗		summary
479	EVA3D		🤗	[ICLR 2023 Spotlight] EVA3D: Compositional 3D Huma	summary
479	segment-any-anomaly		🤗	Official implementation of "Segment Any Anomaly wi	summary
476	Attend-and-Excite		🤗	Official Implementation for "Attend-and-Excite: At	summary
476	zerocostdl4mic			ZeroCostDL4Mic: A Google Colab based no-cost toolb	summary
475	biomedlm		🤗		summary
474	pips		🤗	Particle Video Revisited	summary
473	dalle2-laion		🤗	Pretrained Dalle2 from laion	summary
471	diffusion-point-cloud		🤗	💭 Diffusion Probabilistic Models f	summary
470	ml_privacy_meter			Privacy Meter: An open-source library to audit dat	summary
463	xverse-13b		🤗	XVERSE-13B: A multilingual large language model de	summary
463	beto		🤗	BETO - Spanish version of the BERT model	summary
462	painttransformer		🤗	Officially unofficial re-implementation of paper:	summary
458	daam		🤗	Diffusion attentive attribution maps for interpret	summary
457	MultiMAE		🤗	MultiMAE: Multi-modal Multi-task Masked Autoencode	summary
457	gretel-synthetics			Synthetic data generators for structured and unstr	summary
457	up-detr			[TPAMI 2022 & CVPR2021 Oral] UP-DETR: Unsupervised	summary
456	indicnlp_catalog		🤗	A collaborative catalog of NLP resources for Indic	summary
456	robopianist			🎹 🤖 A benchmark for high-dimensional robot control	summary
454	Cornell-Conversational-An			ConvoKit is a toolkit for extracting conversationa	summary
454	cnstd		🤗	CnSTD: 基于 PyTorch/MXNet 的 中文/英文 场景文字检测（Scene Text	summary
454	long-context		🤗	This repository contains code and tooling for the	summary
453	string2string		🤗	String-to-String Algorithms for Natural Language P	summary
452	macaw		🤗	Multi-angle c(q)uestion answering	summary
452	styleformer		🤗	A Neural Language Style Transfer framework to tran	summary
451	xmtf		🤗	Crosslingual Generalization through Multitask Fine	summary
450	shikra		🤗		summary
448	bert-japanese		🤗	BERT models for Japanese text.	summary
446	transgpt		🤗		summary
446	h3		🤗	Language Modeling with the H3 State Space Model	summary
446	normalizing-flows			PyTorch implementation of normalizing flow models	summary
444	FiD		🤗	Fusion-in-Decoder	summary
444	sjc		🤗	Score Jacobian Chaining: Lifting Pretrained 2D Dif	summary
444	StyleDrop-PyTorch		🤗	Unoffical implement for [StyleDrop](https://arxiv.	summary
444	aclpubcheck		🤗	Tools for checking ACL paper submissions	summary
444	idinvert			[ECCV 2020] In-Domain GAN Inversion for Real Image	summary
441	ma-gym			A collection of multi agent environments based on	summary
441	FinBERT		🤗	A Pretrained BERT Model for Financial Communicatio	summary
439	cpt		🤗	CPT: A Pre-Trained Unbalanced Transformer for Both	summary
439	textlesslib			Library for Textless Spoken Language Processing	summary
439	spqr		🤗		summary
438	indonlu		🤗	The first-ever vast natural language processing be	summary
438	PITI		🤗	PITI: Pretraining is All You Need for Image-to-Ima	summary
437	mlsd		🤗	Official Tensorflow implementation of "M-LSD: Towa	summary
436	Diffusion-GAN		🤗	Official PyTorch implementation for paper: Diffusi	summary
435	aizynthfinder			A tool for retrosynthetic planning	summary
434	scenedreamer		🤗	SceneDreamer: Unbounded 3D Scene Generation from 2	summary
433	mistral		🤗	Mistral: A strong, northwesterly wind: Framework f	summary
432	guwenbert		🤗	GuwenBERT: 古文预训练语言模型（古文BERT） A Pre-trained Langua	summary
432	meltingpot			A suite of test scenarios for multi-agent reinforc	summary
428	fba_matting		🤗	Official repository for the paper F, B, Alpha Matt	summary
428	magma		🤗	MAGMA - a GPT-style multimodal model that can unde	summary
427	clickbench			ClickBench: a Benchmark For Analytical Databases	summary
425	ConvLab-2		🤗	ConvLab-2: An Open-Source Toolkit for Building, Ev	summary
425	phate			PHATE (Potential of Heat-diffusion for Affinity-ba	summary
424	FasterViT		🤗	Official PyTorch implementation of FasterViT: Fast	summary
423	HFGI			CVPR 2022 HFGI: High-Fidelity GAN Inversion for Im	summary
423	evaporate		🤗	This repo contains data and code for the paper "La	summary
422	KcBERT		🤗	🤗 Pretrained BERT model & WordPiece tokenizer trai	summary
422	learning-to-communicate			Learning to Communicate with Deep Multi-Agent Rein	summary
422	photoguard		🤗	Raising the Cost of Malicious AI-Powered Image Edi	summary
422	phyre			PHYRE is a benchmark for physical reasoning.	summary
420	keytotext		🤗	Keywords to Sentences	summary
420	transformerlens				summary
420	turkish-bert		🤗	Turkish BERT/DistilBERT, ELECTRA and ConvBERT mode	summary
419	t-zero		🤗	Reproduce results and replicate training fo T0 (Mu	summary
419	text-to-video-finetuning		🤗	Finetune ModelScope's Text To Video model using Di	summary
419	StyleSwin		🤗	[CVPR 2022] StyleSwin: Transformer-based GAN for H	summary
418	simctg		🤗	[NeurIPS'22 Spotlight] A Contrastive Framework for	summary
416	yarn		🤗	YaRN: Efficient Context Window Extension of Large	summary
415	coderl		🤗	This is the official code for the paper CodeRL: Ma	summary
415	uniem		🤗	unified embedding model	summary
414	YOLOPv2		🤗	YOLOPv2: Better, Faster, Stronger for Panoptic dri	summary
413	matting-anything		🤗	Matting Anything Model (MAM), an efficient and ver	summary
411	GenerativeImage2Text		🤗	GIT: A Generative Image-to-text Transformer for Vi	summary
410	medicalgpt-zh		🤗	明医 (MING)：中文医疗问诊大模型	summary
409	metadrive			MetaDrive: Composing Diverse Scenarios for General	summary
409	open-instruct		🤗		summary
409	splade		🤗	SPLADE: sparse neural search (SIGIR21, SIGIR22)	summary
407	relateanything		🤗	Relate Anything Model is capable of taking an imag	summary
407	neptune-client			📒 The MLOps stack component for experiment	summary
407	kobart		🤗	Korean BART	summary
405	csl		🤗	[COLING 2022] CSL: A Large-scale Chinese Scientifi	summary
405	kullm		🤗	☁️ 구름(KULLM): 고려대학교에서 개발한, 한국어에 특화된 LLM	summary
404	quantus			Quantus is an eXplainable AI toolkit for responsib	summary
402	hierarchicalforecast			Probabilistic Hierarchical forecasting 👑 with stat	summary
401	ScienceQA		🤗	Data and code for NeurIPS 2022 Paper "Learn to Exp	summary
401	manifest		🤗	Prompt programming with FMs.	summary
401	TransformerSum		🤗	Models to perform neural summarization (extractive	summary
400	ProDiff		🤗	PyTorch Implementation of ProDiff (ACM-MM'22) with	summary
400	Uni-Mol			Official Repository for the Uni-Mol Series Methods	summary
399	tevr-asr-tool		🤗	State-of-the-art (ranked #1 Aug 2022) German Speec	summary
399	pysentimiento		🤗	A Python multilingual toolkit for Sentiment Analys	summary
398	pykale			Knowledge-Aware machine LEarning (KALE): accessibl	summary
398	polyglot		🤗	Polyglot: Large Language Models of Well-balanced C	summary
397	cycle-diffusion		🤗	[ICCV 2023] Zero-shot image editing with stochasti	summary
395	Toon-Me			A Deep Learning project to Toon Portrait Images	summary
394	BMC			Notes on Scientific Computing for Biomechanics and	summary
394	6drepnet		🤗	Official Pytorch implementation of 6DRepNet: 6D R	summary
394	uni-controlnet		🤗		summary
393	gymnax			RL Environments in JAX 🌍	summary
392	datacomp		🤗	DataComp: In search of the next generation of mult	summary
390	NLP_bahasa_resources		🤗	A Curated List of Dataset and Usable Library Resou	summary
387	thorsten-voice			Thorsten-Voice: A free to use, offline working, hi	summary
387	freevc		🤗	FreeVC: Towards High-Quality Text-Free One-Shot Vo	summary
387	parseq		🤗	Scene Text Recognition with Permuted Autoregressiv	summary
387	Live3D-v2			Neural Rendering with Attention: An Incremental Im	summary
387	fromage		🤗	🧀 Code and models for the ICML 2023 paper "Groundi	summary
384	x-vlm		🤗	X-VLM: Multi-Grained Vision Language Pre-Training	summary
383	GPTZero		🤗	An open-source implementation of GPTZero	summary
381	elite		🤗	ELITE: Encoding Visual Concepts into Textual Embed	summary
381	neuralcompression			A collection of tools for neural compression enthu	summary
380	HyperNetX			Python package for hypergraph analysis and visuali	summary
380	Compositional-Visual-Gene		🤗	[ECCV 2022] Compositional Generation using Diffusi	summary
379	jumanji		🤗	🕹️ A diverse suite of scalable reinforcement learn	summary
378	chatcaptioner		🤗	Official Repository of ChatCaptioner	summary
378	nnsplit		🤗	Code for Where's the Point? Self-Supervised Multil	summary
378	purejaxrl			Really Fast End-to-End Jax RL Implementations	summary
376	U-ViT			A PyTorch implementation of the paper "All are Wor	summary
375	squeezellm		🤗	SqueezeLLM: Dense-and-Sparse Quantization	summary
375	FastSurfer			PyTorch implementation of FastSurferCNN	summary
375	openbiomed		🤗		summary
375	pyctcdecode		🤗	A fast and lightweight python-based CTC beam searc	summary
373	maxvit			[ECCV 2022] Official repository for "MaxViT: Multi	summary
373	RoFormer_pytorch		🤗	RoFormer V1 & V2 pytorch	summary
372	mucgec		🤗	MuCGEC中文纠错数据集及文本纠错SOTA模型开源；Code & Data for our NAA	summary
371	SOAT		🤗	Official PyTorch repo for StyleGAN of All Trades:	summary
371	swin2sr		🤗	Swin2SR: SwinV2 Transformer for Compressed Image S	summary
371	masactrl		🤗	Consistent Image Synthesis and Editing, ICCV 2023	summary
369	wavjourney		🤗	WavJourney: Compositional Audio Creation with LLMs	summary
369	ims-toucan		🤗	Text-to-Speech Toolkit of the Speech and Language	summary
368	arxiv-pdf-abs		🤗	Your browser's reference manager: automatic paper	summary
366	pysteps			Python framework for short-term ensemble predictio	summary
366	gcvit		🤗	[ICML 2023] Official PyTorch implementation of Glo	summary
365	styleganex		🤗	[ICCV 2023] StyleGANEX: StyleGAN-Based Manipulatio	summary
364	open-musiclm		🤗	Implementation of MusicLM, a text to music model p	summary
363	DeCLUTR		🤗	The corresponding code from our paper "DeCLUTR: De	summary
362	smplpix			SMPLpix: Neural Avatars from 3D Human Models	summary
362	LongChat		🤗	Official repository for LongChat and LongEval	summary
362	rome			Locating and editing factual associations in GPT (	summary
362	T2M-GPT		🤗	(CVPR 2023) Pytorch implementation of “T2M-GPT: Ge	summary
361	DeepPoseKit			a toolkit for pose estimation using deep learning	summary
358	wespeaker		🤗	Research and Production Oriented Speaker Recogniti	summary
357	scikit-fem			Simple finite element assemblers	summary
355	biomedical		🤗	Tools for curating biomedical training data for la	summary
355	foldingdiff		🤗	Diffusion models of protein structure; trigonometr	summary
355	LMkor			Pretrained Language Models for Korean	summary
354	reversion		🤗	ReVersion: Diffusion-Based Relation Inversion from	summary
354	LinkBERT		🤗	[ACL 2022] LinkBERT: A Knowledgeable Language Mode	summary
353	lorahub		🤗	The official repository of paper "LoraHub: Efficie	summary
353	fbcnn		🤗	Official Code for ICCV 2021 paper "Towards Flexibl	summary
352	PIDM			Person Image Synthesis via Denoising Diffusion Mod	summary
352	Awesome-Sketch-Synthesis			📚 A collection of papers about Sketch Synthe	summary
351	nagisa		🤗	A Japanese tokenizer based on recurrent neural net	summary
351	lavila		🤗	Code release for "Learning Video Representations f	summary
350	computation-thru-dynamics			Understanding computation in artificial and biolog	summary
350	high-fidelity-generative-			Pytorch implementation of High-Fidelity Generative	summary
349	TediGAN			[CVPR 2021] Pytorch implementation for TediGAN: Te	summary
349	nn_pruning		🤗	Prune a model while finetuning or training.	summary
348	evosax			Evolution Strategies in JAX 🦎	summary
348	bigcode-evaluation-harnes		🤗	A framework for the evaluation of autoregressive c	summary
347	dl-translate		🤗	Translation library built on 🤗 transformers suppor	summary
346	academicodec		🤗	AcademiCodec: An Open Source Audio Codec Model for	summary
345	3d-mri-brain-tumor-segmen			Keras implementation of the paper "3D MRI brain tu	summary
345	lambdaprompt			λprompt - A functional programming interface for b	summary
344	music-spectrogram-diffusi				summary
343	unispeech		🤗	UniSpeech - Large Scale Self-Supervised Learning	summary
343	perceiver-io		🤗	A PyTorch implementation of Perceiver, Perceiver I	summary
342	MIRNet-TFJS			TensorFlow JS models for MIRNet for low-light💡 ima	summary
342	An-Intuitive-Tutorial-to-			An Intuitive Tutorial to Gaussian Processes Regres	summary
342	mind2web		🤗	Dataset, code and models for the paper "Mind2Web:	summary
341	panda-gym		🤗	Set of robotic environments based on PyBullet phys	summary
341	tabular-benchmark		🤗		summary
338	arbml			Implementation of many Arabic NLP and CV projects.	summary
338	awesome-industrial-anomal		🤗	Paper list and datasets for industrial image anoma	summary
337	stable-diffusion-webui-pr		🤗	stable-diffusion-webui-promptgen	summary
337	pyterrier			A Python framework for performing information retr	summary
337	COVID-QA		🤗	API & Webapp to answer questions about COVID-19. U	summary
337	cornucopia-llama-fin-chin		🤗	聚宝盆(Cornucopia): 提供一套高效训练金融垂直领域LLM的框架(Pretraining、	summary
337	erasing		🤗	Erasing Concepts from Diffusion Models	summary
336	CoqGym		🤗	A Learning Environment for Theorem Proving with th	summary
335	Nystromformer		🤗		summary
334	metrabs			Estimate absolute 3D human poses from RGB images.	summary
334	pair-diffusion		🤗	PAIR-Diffusion: Object-Level Image Editing with St	summary
333	DialogStudio		🤗	DialogStudio: Towards Richest and Most Diverse Uni	summary
333	dialogrpt		🤗	EMNLP 2020: "Dialogue Response Ranking Training wi	summary
332	geometric-gnn-dojo			Geometric GNN Dojo provides unified implementation	summary
332	peacasso		🤗	UI interface for experimenting with multimodal (te	summary
332	geometry-free-view-synthe			Is a geometric model required to synthesize novel	summary
331	VL-T5			PyTorch code for "Unifying Vision-and-Language Tas	summary
331	OpenPSG		🤗	Benchmarking Panoptic Scene Graph Generation (PSG)	summary
331	t-few		🤗	Code for T-Few from "Few-Shot Parameter-Efficient	summary
330	dl-for-emo-tts			💻 🤖 A summary on our attempts at u	summary
329	rebel		🤗	REBEL is a seq2seq model that simplifies Relation	summary
328	lavin		🤗	Official implementations of "Cheap and Quick: Effi	summary
326	ontogpt		🤗	LLM-based ontological extraction tools, including	summary
326	pmc-llama		🤗	The official codes for "PMC-LLaMA: Towards Buildin	summary
326	live-layerwise-image-vect		🤗	[CVPR 2022 Oral] Towards Layer-wise Image Vectoriz	summary
325	flan-alpaca		🤗	This repository contains code for extending the St	summary
325	tner		🤗	Language model fine-tuning on NER with an easy int	summary
324	FMix			Official implementation of 'FMix: Enhancing Mixed	summary
324	excess-mortality			Excess mortality during COVID-19 pandemic	summary
324	Conv-TasNet		🤗	Conv-TasNet: Surpassing Ideal Time-Frequency Magni	summary
324	intel-extension-for-trans		🤗	⚡Extending Hugging Face transformers APIs for Tran	summary
323	cdlib			Community Discovery Library	summary
321	ort		🤗	Accelerate PyTorch models with ONNX Runtime	summary
320	LEBERT		🤗	Code for the ACL2021 paper "Lexicon Enhanced Chine	summary
320	long-summarization		🤗	Resources for the NAACL 2018 paper "A Discourse-Aw	summary
320	seq2seq-keyphrase		🤗		summary
320	ocr-sam		🤗	Combining MMOCR with Segment Anything & Stable Dif	summary
320	conditionaldetr		🤗	This repository is an official implementation of t	summary
319	facedancer		🤗		summary
319	gpt4roi		🤗	GPT4RoI: Instruction Tuning Large Language Model o	summary
319	unicl		🤗	[CVPR 2022] Official code for "Unified Contrastive	summary
318	NLP_Datasets		🤗	My NLP datasets for Russian language	summary
318	discodiffusion-warp			DiscoDiffusion Warp	summary
318	autobound			AutoBound automatically computes upper and lower b	summary
317	fairness-indicators			Tensorflow's Fairness Evaluation and Visualization	summary
317	electra_pytorch		🤗	Pretrain and finetune ELECTRA with fastai and hugg	summary
317	Splice			Official Pytorch Implementation for "Splicing ViT	summary
316	vdbfusion			C++/Python Sparse Volumetric TSDF Fusion	summary
315	neuromancer			Pytorch-based framework for solving parametric con	summary
313	vocos		🤗	Vocos: Closing the gap between time-domain and Fou	summary
313	pert		🤗	PERT: Pre-training BERT with Permuted Language Mod	summary
313	Trending-in-3D-Vision			An on-going paper list on new trends in 3D vision	summary
313	TransPose		🤗	PyTorch Implementation for "TransPose: Keypoint lo	summary
312	instruct-eval		🤗	This repository contains code to quantitatively ev	summary
312	cord		🤗	CORD: A Consolidated Receipt Dataset for Post-OCR	summary
312	PeRFception		🤗	[NeurIPS2023] Official implementation of PeRFcepti	summary
311	landmark-attention		🤗	Landmark Attention: Random-Access Infinite Context	summary
311	fastseg			📸 PyTorch implementation of MobileNetV3 for real-t	summary
311	tweeteval		🤗	Repository for TweetEval	summary
310	neural-api			CAI NEURAL API - Pascal based deep learning neural	summary
310	TF-ICON		🤗	ICCV 2023. Official implementation of TF-ICON: Dif	summary
309	maskgit			Official Jax Implementation of MaskGIT	summary
309	dlg			[NeurIPS 2019] Deep Leakage From Gradients	summary
307	every-single-day-i-tldr		🤗	A daily digest of the articles or videos I've foun	summary
307	ELI5		🤗	Scripts and links to recreate the ELI5 dataset.	summary
307	BalancedMSE		🤗	[CVPR 2022 Oral] Balanced MSE for Imbalanced Visua	summary
306	pytorch_warmup			Learning Rate Warmup in PyTorch	summary
306	distill-sd		🤗	Segmind Distilled diffusion	summary
306	variational-dropout-spars			Sparse Variational Dropout, ICML 2017	summary
304	crop-clip		🤗	Crop using CLIP	summary
302	fire-detection-from-image		🤗	Detect fire in images using neural nets	summary
300	source_separation			Deep learning based speech source separation using	summary
300	text-to-sound-synthesis		🤗	The source code of our paper "Diffsound: discrete	summary
300	real-esrgan		🤗	PyTorch implementation of Real-ESRGAN model	summary
299	apps		🤗	APPS: Automated Programming Progress Standard (Neu	summary
299	mixture-of-diffusers		🤗	Mixture of Diffusers for scene composition and hig	summary
299	CodeTalker			[CVPR 2023] CodeTalker: Speech-Driven 3D Facial An	summary
298	awesome-materials-informa		🤗	Curated list of known efforts in materials informa	summary
298	storydalle		🤗		summary
298	bert-loves-chemistry		🤗	bert-loves-chemistry: a repository of HuggingFace	summary
297	COMET		🤗	A Neural Framework for MT Evaluation	summary
297	docTTTTTquery		🤗	docTTTTTquery document expansion model	summary
296	illumination-adaptive-tra		🤗	[BMVC 2022] You Only Need 90K Parameters to Adapt	summary
295	anime-face-detector		🤗	Anime Face Detector using mmdet and mmpose	summary
295	examples		🤗	Example code and applications for machine learning	summary
295	lvdm		🤗	LVDM: Latent Video Diffusion Models for High-Fidel	summary
295	pixel		🤗	Research code for pixel-based encoders of language	summary
294	soft-vc			Soft speech units for voice conversion	summary
294	PytorchWaveNetVocoder			WaveNet-Vocoder implementation with pytorch.	summary
293	llm-pruner		🤗	LLM-Pruner: On the Structural Pruning of Large Lan	summary
291	picard		🤗	PICARD - Parsing Incrementally for Constrained Aut	summary
291	lens			This is the official repository for the LENS (Larg	summary
291	lm-scorer			📃Language Model based sentences scoring library
291	w2v2-how-to		🤗	How to use our public wav2vec2 dimensional emotion	summary
291	awesome-dl-projects			This is a collection of the code that accompanies	summary
290	openalpaca		🤗	OpenAlpaca: A Fully Open-Source Instruction-Follow	summary
289	virtualhome			API to run VirtualHome, a Multi-Agent Household Si	summary
289	metaformer		🤗	MetaFormer Baselines for Vision	summary
289	truthfulqa			TruthfulQA: Measuring How Models Imitate Human Fal	summary
288	uni-fold			An open-source platform for developing protein mod	summary
288	pygaggle		🤗	a gaggle of deep neural architectures for text ran	summary
287	medalpaca		🤗	LLM finetuned for medical question answering	summary
287	llmdrift				summary
287	my_tech_resources			List of tech resources future me and other Javascr	summary
286	fer			Facial Expression Recognition with a deep neural n	summary
286	webvid		🤗	Large-scale text-video dataset. 10 million caption	summary
284	RawNet		🤗	Official repository for RawNet, RawNet2, and RawNe	summary
284	Video-P2P		🤗	Video-P2P: Video Editing with Cross-attention Cont	summary
283	Holocron		🤗	PyTorch implementations of recent Computer Vision	summary
283	hyena-dna		🤗	Official implementation for HyenaDNA, a long-range	summary
282	nnabla-examples			Neural Network Libraries https://nnabla.org/ - Exa	summary
282	yulan-chat		🤗	YuLan-Chat: An Open-Source Bilingual Chatbot	summary
281	doctr		🤗	The official code for “DocTr: Document Image Trans	summary
280	midi-ddsp		🤗	Synthesis of MIDI with DDSP (https://midi-ddsp.git	summary
280	lm-watermarking		🤗		summary
279	informative-drawings		🤗	Unpaired line drawing generation	summary
279	tuned-lens		🤗	Tools for understanding how transformer prediction	summary
279	brio		🤗	ACL 2022: BRIO: Bringing Order to Abstractive Summ	summary
278	PNDM		🤗	The official implementation for Pseudo Numerical M	summary
278	cmmlu		🤗	CMMLU: Measuring massive multitask language unders	summary
277	prompt-diffusion		🤗	Official PyTorch implementation of the paper "In-C	summary
275	chinese-llama-2		🤗	improve Llama-2's proficiency in comprehension, ge	summary
274	japanese-stable-diffusion		🤗	Japanese Stable Diffusion is a Japanese specific l	summary
274	majesty-diffusion		🤗	Majesty Diffusion by @Dango233(@Dango233max) and @	summary
274	stylegan2-projecting-imag			Projecting images to latent space with StyleGAN2.	summary
274	GenerSpeech		🤗	PyTorch Implementation of GenerSpeech (NeurIPS'22)	summary
273	EGG			EGG: Emergence of lanGuage in Games	summary
272	rwkv-cpp-cuda		🤗	A torchless, c++ rwkv implementation using 8bit qu	summary
272	Stable-Alignment		🤗	Multi-agent Social Simulation + Efficient, Effecti	summary
272	tensorflow-coder				summary
272	adversecleaner		🤗	Remove adversarial noise from images	summary
272	muskits			An opensource music processing toolkit	summary
271	skrl		🤗	Modular reinforcement learning library (on PyTorch	summary
271	paraphrase-generator		🤗	A paraphrase generator built using the T5 model wh	summary
271	safe-reinforcement-learni			The repository is for safe reinforcement learning	summary
270	ENet-Real-Time-Semantic-S			ENet - A Neural Net Architecture for real time Sem	summary
270	expertllama		🤗	An opensource ChatBot built with ExpertPrompting w	summary
269	TokenCut		🤗	(CVPR 2022) Pytorch implementation of "Self-superv	summary
268	educhat		🤗	An open-source educational chat model from ICALK,	summary
268	face_toolbox_keras			A collection of deep learning frameworks ported to	summary
268	UserControllableLT		🤗	PyTorch implementation of ``User-Controllable Late	summary
266	aesthetic-predictor			A linear estimator on top of clip to predict the a	summary
266	wizmap		🤗	Explore and interpret large embeddings in your bro	summary
265	toolformer		🤗		summary
265	styleclipdraw			Styled text-to-drawing synthesis method. Featured	summary
265	gluestick			Joint Deep Matcher for Points and Lines 🖼️💥🖼️ (ICC	summary
264	torchsynth			A GPU-optional modular synthesizer in pytorch, 162	summary
264	diffcse		🤗	Code for the NAACL 2022 long paper "DiffCSE: Diffe	summary
263	earth-forecasting-transfo			Official implementation of Earthformer	summary
263	cheetah		🤗		summary
263	gpl		🤗	Powerful unsupervised domain adaptation method for	summary
263	HRFAE			Official implementation for paper High Resolution	summary
262	lilt		🤗	Official PyTorch implementation of LiLT: A Simple	summary
262	incoder		🤗	Generative model for code infilling and synthesis
262	conditional-flow-matching			Conditional Flow Matching: Simulation-Free Dynamic	summary
262	hatespeechdata		🤗	Catalog of abusive language data (PLoS 2020)	summary
261	neural-painters				summary
260	zshot		🤗	Zero and Few shot named entity & relationships rec	summary
260	densediffusion		🤗	Official Pytorch Implementation of DenseDiffusion	summary
259	retinaface-tf2			RetinaFace (Single-stage Dense Face Localisation i	summary
259	putting-nerf-on-a-diet		🤗	Putting NeRF on a Diet: Semantically Consistent Fe	summary
259	Council-GAN			Implementation for our paper Breaking the Cycle -	summary
258	ir_datasets			Provides a common interface to many IR ranking dat	summary
258	indic-bert		🤗	Indic-BERT-v1: BERT-based Multilingual Model for 1	summary
257	maniskill2			SAPIEN Manipulation Skill Benchmark 2	summary
256	2021_qq_aiac_tack1_1st		🤗	QQ浏览器2021AI算法大赛赛道一 第1名 方案	summary
256	xuanyuan		🤗	轩辕：首个千亿级中文金融对话模型	summary
255	parsbert		🤗	🤗 ParsBERT: Transformer-based Model for Persian La	summary
254	vMAP		🤗	[CVPR 2023] vMAP: Vectorised Object Mapping for Ne	summary
254	awesome-nlp-polish		🤗	A curated list of resources dedicated to Natural L	summary
253	awesome-novel-class-disco		🤗	A list of papers that studies Novel Class Discover	summary
253	floret			🌸 fastText + Bloom embeddings for compact, full-co	summary
253	vid2vid-zero		🤗	Zero-Shot Video Editing Using Off-The-Shelf Image	summary
253	masakhane			Machine Translation for Africa	summary
253	codegen2		🤗	CodeGen2 models for program synthesis	summary
252	rvrt			Recurrent Video Restoration Transformer with Guide	summary
252	code-switching-papers		🤗	A curated list of research papers and resources on	summary
252	ndlib			Network Diffusion Library - (for NetworkX and iGra	summary
250	biobert-pytorch		🤗	PyTorch Implementation of BioBERT	summary
250	summvis		🤗	SummVis is an interactive visualization tool for t	summary
250	facetorch		🤗	Python library for analysing faces using PyTorch	summary
250	CVPR2023-DMVFN			CVPR2023 (highlight) - A Dynamic Multi-Scale Voxel	summary
250	tableqa		🤗	AI Tool for querying natural language on tabular d	summary
249	nestedtensor			[Prototype] Tools for the concurrent manipulation	summary
247	knn-vc			Voice Conversion With Just Nearest Neighbors	summary
246	bianque		🤗	中文医疗对话模型扁鹊(BianQue)	summary
245	bayling		🤗	“百聆”是一个基于LLaMA的语言对齐增强的英语/中文大语言模型，具有优越的英语/中文能力，在多语	summary
245	dino-vit-features			Official implementation for the paper "Deep ViT Fe	summary
244	chatbot		🤗	Русскоязычный генеративный чатбот с профилем и фак	summary
244	DehazeFormer		🤗	[IEEE TIP] Vision Transformers for Single Image De	summary
243	dialogbot		🤗	dialogbot, provide search-based dialogue, task-bas	summary
243	pits		🤗	PITS: Variational Pitch Inference for End-to-end P	summary
243	pyepo			A PyTorch-based End-to-End Predict-then-Optimize L	summary
243	editnerf			Editing a Conditional Radiance Field	summary
243	automated-fact-checking-r		🤗	Links to conference/journal publications in automa	summary
243	Awesome-Segment-Anything		🤗	This repository is for the first comprehensive sur	summary
243	klaam		🤗	Arabic speech recognition, classification and text	summary
242	gym-electric-motor			Gym Electric Motor (GEM): An OpenAI Gym Environmen	summary
240	all-seeing		🤗	This is the official implementation of the paper "	summary
240	bert-as-language-model		🤗	BERT as language model, fork from https://github.c	summary
239	robust-models-transfer		🤗	Official repository for our NeurIPS 2020 oral "D	summary
239	SummerTime		🤗	An open-source text summarization toolkit for non-	summary
239	enn				summary
238	arcface-tf2			ArcFace unofficial Implemented in Tensorflow 2.0+	summary
238	InST		🤗	Official implementation of the paper “Inversion-Ba	summary
238	arnheim				summary
238	video-bgm-generation			Video Background Music Generation with Controllabl	summary
237	inst-inpaint		🤗	A novel inpainting framework that can remove objec	summary
236	polish-nlp-resources		🤗	Pre-trained models and language resources for Natu	summary
236	Grid2Op			Grid2Op a testbed platform to model sequential dec	summary
236	gt4sd-core		🤗	GT4SD, an open-source library to accelerate hypoth	summary
236	question_generator		🤗	An NLP system for generating reading comprehension	summary
235	pycroscopy			Scientific analysis of nanoscale materials imaging	summary
235	UniversalVocoding			A PyTorch implementation of "Robust Universal Neur	summary
235	deepscm			Repository for Deep Structural Causal Models for T	summary
235	igfold			Fast, accurate antibody structure prediction from	summary
234	EDGE		🤗	Official PyTorch Implementation of EDGE (CVPR 2023	summary
234	segment-anything-with-cli		🤗	Segment Anything combined with CLIP	summary
234	rec-mv		🤗	REC-MV: REconstructing 3D Dynamic Cloth from Monoc	summary
234	HRN			[CVPR2023] A Hierarchical Representation Network f	summary
234	Table-Pretraining		🤗	ICLR 2022 Paper, SOTA Table Pre-training Model, TA	summary
234	unarXive		🤗	A data set based on all arXiv publications, pre-pr	summary
234	waveformer		🤗	A deep neural network architecture for low-latency	summary
232	deephyper			DeepHyper: Scalable Asynchronous Neural Architectu	summary
231	TextDescriptives		🤗	A Python library for calculating a large variety o	summary
230	deep_privacy2		🤗	DeepPrivacy2 - A Toolbox for Realistic Image Anony	summary
229	GP4A			Code for NeurIPS 2019 paper: "Tensor Programs I: W	summary
229	Scene-Diffuser		🤗	Official implementation of CVPR23 paper "Diffusion	summary
229	torch-dreams			Making neural networks more interpretable, for res	summary
228	equivariant-MLP			A library for programmatically generating equivari	summary
228	pointnet			PyTorch implementation of "PointNet: Deep Learning	summary
228	commonlooputils			CLU lets you write beautiful training loops in JAX	summary
228	DeepEEG			Deep Learning with Tensor Flow for EEG MNE Epoch O	summary
227	transformer-kernel-rankin		🤗	Training & evaluation library for text-based neura	summary
226	knn-transformers		🤗	PyTorch + HuggingFace code for RetoMaton: "Neuro-S	summary
226	pytorch_mpiigaze_demo			Gaze estimation using MPIIGaze and MPIIFaceGaze	summary
226	VQGAN-CLIP			VQGAN+CLIP Colab Notebook with user-friendly inter	summary
226	honest_llama		🤗	Inference-Time Intervention: Eliciting Truthful An	summary
226	prompt-segment-anything		🤗	This is an implementation of zero-shot instance se	summary
218	mauve		🤗	Package to compute Mauve, a similarity score betwe	summary

Second Table for project mentioned colab or hugging face but neither of link was found by our spider

stars	repo	description	summary
218	stable-diffusion-webui	Stable Diffusion web UI	summary

---

https://github.com/huggingface/pytorch-transformers

🤗 Transformers: State-of-the-art Machine Learning for Pytorch, TensorFlow, and JAX.

这个GitHub仓库是Hugging Face的Transformers库。它的功能和创新点如下：

功能：

• 提供了数千个预训练模型，用于处理文本、图像和音频等不同模态的任务。这些模型可以应用于文本分类、信息提取、问答、摘要、翻译、文本生成等100多种语言的任务，图像分类、目标检测和分割等图像任务，以及语音识别和音频分类等音频任务。
• Transformer模型还可以在多个模态上执行任务，例如表格问答、光学字符识别、从扫描文档中提取信息、视频分类和视觉问答等。
• 提供API，可以快速下载和使用这些预训练模型，并在自己的数据集上进行微调，然后与社区共享在模型中心（model hub）上。
• 每个定义架构的Python模块都是完全独立的，可以进行修改以进行快速的研究实验。
• 支持Jax、PyTorch和TensorFlow这三个最流行的深度学习库，并且它们之间具有无缝的集成。可以使用其中一个库训练模型，然后在另一个库中加载进行推断。

创新点：

• 提供了大量预训练模型，使得开发者可以在各种自然语言处理和计算机视觉任务上快速构建和部署模型。
• 支持多模态任务，使得可以处理结合了文本、图像和音频等多种数据类型的任务。
• 提供了易于使用的API和模型中心，使得开发者可以方便地下载、使用和共享预训练模型。
• 支持多个深度学习库的集成，使得开发者可以根据自己的喜好和需求选择合适的库进行模型训练和推断。

总之，Hugging Face的Transformers库提供了丰富的预训练模型和灵活的API，使得开发者可以快速构建和部署在自然语言处理和计算机视觉等领域的机器学习模型。同时，它的多模态支持和深度学习库的集成也是其创新之处。

返回开头

---

https://github.com/huggingface/pytorch-pretrained-BERT

🤗 Transformers: State-of-the-art Machine Learning for Pytorch, TensorFlow, and JAX.

这个GitHub仓库是Hugging Face的Transformers库。它的功能和创新点如下：

功能：

• 提供了数千个预训练模型，用于处理文本、图像和音频等不同模态的任务。这些模型可以应用于文本分类、信息提取、问答、摘要、翻译、文本生成等100多种语言的任务，图像分类、目标检测和分割等图像任务，以及语音识别和音频分类等音频任务。
• Transformer模型还可以在多个模态上执行任务，例如表格问答、光学字符识别、从扫描文档中提取信息、视频分类和视觉问答等。
• 提供API，可以快速下载和使用这些预训练模型，并在自己的数据集上进行微调，然后与社区共享在模型中心（model hub）上。
• 每个定义架构的Python模块都是完全独立的，可以进行修改以进行快速的研究实验。
• 支持Jax、PyTorch和TensorFlow这三个最流行的深度学习库，并且它们之间具有无缝的集成。可以使用其中一个库训练模型，然后在另一个库中加载进行推断。

创新点：

• 提供了大量预训练模型，使得开发者可以在各种自然语言处理和计算机视觉任务上快速构建和部署模型。
• 支持多模态任务，使得可以处理结合了文本、图像和音频等多种数据类型的任务。
• 提供了易于使用的API和模型中心，使得开发者可以方便地下载、使用和共享预训练模型。
• 支持多个深度学习库的集成，使得开发者可以根据自己的喜好和需求选择合适的库进行模型训练和推断。

总之，Hugging Face的Transformers库提供了丰富的预训练模型和灵活的API，使得开发者可以快速构建和部署在自然语言处理和计算机视觉等领域的机器学习模型。同时，它的多模态支持和深度学习库的集成也是其创新之处。

返回开头

---

https://github.com/huggingface/transformers

🤗 Transformers: State-of-the-art Machine Learning for Pytorch, TensorFlow, and JAX.

这个GitHub仓库是Hugging Face的Transformers库。它的功能和创新点如下：

功能：

• 提供了数千个预训练模型，用于处理文本、图像和音频等不同模态的任务。这些模型可以应用于文本分类、信息提取、问答、摘要、翻译、文本生成等100多种语言的任务，图像分类、目标检测和分割等图像任务，以及语音识别和音频分类等音频任务。
• Transformer模型还可以在多个模态上执行任务，例如表格问答、光学字符识别、从扫描文档中提取信息、视频分类和视觉问答等。
• 提供API，可以快速下载和使用这些预训练模型，并在自己的数据集上进行微调，然后与社区共享在模型中心（model hub）上。
• 每个定义架构的Python模块都是完全独立的，可以进行修改以进行快速的研究实验。
• 支持Jax、PyTorch和TensorFlow这三个最流行的深度学习库，并且它们之间具有无缝的集成。可以使用其中一个库训练模型，然后在另一个库中加载进行推断。

创新点：

• 提供了大量预训练模型，使得开发者可以在各种自然语言处理和计算机视觉任务上快速构建和部署模型。
• 支持多模态任务，使得可以处理结合了文本、图像和音频等多种数据类型的任务。
• 提供了易于使用的API和模型中心，使得开发者可以方便地下载、使用和共享预训练模型。
• 支持多个深度学习库的集成，使得开发者可以根据自己的喜好和需求选择合适的库进行模型训练和推断。

总之，Hugging Face的Transformers库提供了丰富的预训练模型和灵活的API，使得开发者可以快速构建和部署在自然语言处理和计算机视觉等领域的机器学习模型。同时，它的多模态支持和深度学习库的集成也是其创新之处。

返回开头

---

https://github.com/huggingface/transformers

🤗 Transformers: State-of-the-art Machine Learning for Pytorch, TensorFlow, and JAX.

这个GitHub仓库是Hugging Face的Transformers库。它的功能和创新点如下：

功能：

• 提供了数千个预训练模型，用于处理文本、图像和音频等不同模态的任务。这些模型可以应用于文本分类、信息提取、问答、摘要、翻译、文本生成等100多种语言的任务，图像分类、目标检测和分割等图像任务，以及语音识别和音频分类等音频任务。
• Transformer模型还可以在多个模态上执行任务，例如表格问答、光学字符识别、从扫描文档中提取信息、视频分类和视觉问答等。
• 提供API，可以快速下载和使用这些预训练模型，并在自己的数据集上进行微调，然后与社区共享在模型中心（model hub）上。
• 每个定义架构的Python模块都是完全独立的，可以进行修改以进行快速的研究实验。
• 支持Jax、PyTorch和TensorFlow这三个最流行的深度学习库，并且它们之间具有无缝的集成。可以使用其中一个库训练模型，然后在另一个库中加载进行推断。

创新点：

• 提供了大量预训练模型，使得开发者可以在各种自然语言处理和计算机视觉任务上快速构建和部署模型。
• 支持多模态任务，使得可以处理结合了文本、图像和音频等多种数据类型的任务。
• 提供了易于使用的API和模型中心，使得开发者可以方便地下载、使用和共享预训练模型。
• 支持多个深度学习库的集成，使得开发者可以根据自己的喜好和需求选择合适的库进行模型训练和推断。

总之，Hugging Face的Transformers库提供了丰富的预训练模型和灵活的API，使得开发者可以快速构建和部署在自然语言处理和计算机视觉等领域的机器学习模型。同时，它的多模态支持和深度学习库的集成也是其创新之处。

返回开头

---

https://github.com/huggingface/transformers

🤗 Transformers: State-of-the-art Machine Learning for Pytorch, TensorFlow, and JAX.

这个GitHub仓库是Hugging Face的Transformers库。它的功能和创新点如下：

功能：

• 提供了数千个预训练模型，用于处理文本、图像和音频等不同模态的任务。这些模型可以应用于文本分类、信息提取、问答、摘要、翻译、文本生成等100多种语言的任务，图像分类、目标检测和分割等图像任务，以及语音识别和音频分类等音频任务。
• Transformer模型还可以在多个模态上执行任务，例如表格问答、光学字符识别、从扫描文档中提取信息、视频分类和视觉问答等。
• 提供API，可以快速下载和使用这些预训练模型，并在自己的数据集上进行微调，然后与社区共享在模型中心（model hub）上。
• 每个定义架构的Python模块都是完全独立的，可以进行修改以进行快速的研究实验。
• 支持Jax、PyTorch和TensorFlow这三个最流行的深度学习库，并且它们之间具有无缝的集成。可以使用其中一个库训练模型，然后在另一个库中加载进行推断。

创新点：

• 提供了大量预训练模型，使得开发者可以在各种自然语言处理和计算机视觉任务上快速构建和部署模型。
• 支持多模态任务，使得可以处理结合了文本、图像和音频等多种数据类型的任务。
• 提供了易于使用的API和模型中心，使得开发者可以方便地下载、使用和共享预训练模型。
• 支持多个深度学习库的集成，使得开发者可以根据自己的喜好和需求选择合适的库进行模型训练和推断。

总之，Hugging Face的Transformers库提供了丰富的预训练模型和灵活的API，使得开发者可以快速构建和部署在自然语言处理和计算机视觉等领域的机器学习模型。同时，它的多模态支持和深度学习库的集成也是其创新之处。

返回开头

---

https://github.com/huggingface/transformers

🤗 Transformers: State-of-the-art Machine Learning for Pytorch, TensorFlow, and JAX.

这个GitHub仓库是Hugging Face的Transformers库。它的功能和创新点如下：

功能：

• 提供了数千个预训练模型，用于处理文本、图像和音频等不同模态的任务。这些模型可以应用于文本分类、信息提取、问答、摘要、翻译、文本生成等100多种语言的任务，图像分类、目标检测和分割等图像任务，以及语音识别和音频分类等音频任务。
• Transformer模型还可以在多个模态上执行任务，例如表格问答、光学字符识别、从扫描文档中提取信息、视频分类和视觉问答等。
• 提供API，可以快速下载和使用这些预训练模型，并在自己的数据集上进行微调，然后与社区共享在模型中心（model hub）上。
• 每个定义架构的Python模块都是完全独立的，可以进行修改以进行快速的研究实验。
• 支持Jax、PyTorch和TensorFlow这三个最流行的深度学习库，并且它们之间具有无缝的集成。可以使用其中一个库训练模型，然后在另一个库中加载进行推断。

创新点：

• 提供了大量预训练模型，使得开发者可以在各种自然语言处理和计算机视觉任务上快速构建和部署模型。
• 支持多模态任务，使得可以处理结合了文本、图像和音频等多种数据类型的任务。
• 提供了易于使用的API和模型中心，使得开发者可以方便地下载、使用和共享预训练模型。
• 支持多个深度学习库的集成，使得开发者可以根据自己的喜好和需求选择合适的库进行模型训练和推断。

总之，Hugging Face的Transformers库提供了丰富的预训练模型和灵活的API，使得开发者可以快速构建和部署在自然语言处理和计算机视觉等领域的机器学习模型。同时，它的多模态支持和深度学习库的集成也是其创新之处。

返回开头

---

https://github.com/huggingface/transformers

🤗 Transformers: State-of-the-art Machine Learning for Pytorch, TensorFlow, and JAX.

这个GitHub仓库是Hugging Face的Transformers库。它的功能和创新点如下：

功能：

• 提供了数千个预训练模型，用于处理文本、图像和音频等不同模态的任务。这些模型可以应用于文本分类、信息提取、问答、摘要、翻译、文本生成等100多种语言的任务，图像分类、目标检测和分割等图像任务，以及语音识别和音频分类等音频任务。
• Transformer模型还可以在多个模态上执行任务，例如表格问答、光学字符识别、从扫描文档中提取信息、视频分类和视觉问答等。
• 提供API，可以快速下载和使用这些预训练模型，并在自己的数据集上进行微调，然后与社区共享在模型中心（model hub）上。
• 每个定义架构的Python模块都是完全独立的，可以进行修改以进行快速的研究实验。
• 支持Jax、PyTorch和TensorFlow这三个最流行的深度学习库，并且它们之间具有无缝的集成。可以使用其中一个库训练模型，然后在另一个库中加载进行推断。

创新点：

• 提供了大量预训练模型，使得开发者可以在各种自然语言处理和计算机视觉任务上快速构建和部署模型。
• 支持多模态任务，使得可以处理结合了文本、图像和音频等多种数据类型的任务。
• 提供了易于使用的API和模型中心，使得开发者可以方便地下载、使用和共享预训练模型。
• 支持多个深度学习库的集成，使得开发者可以根据自己的喜好和需求选择合适的库进行模型训练和推断。

总之，Hugging Face的Transformers库提供了丰富的预训练模型和灵活的API，使得开发者可以快速构建和部署在自然语言处理和计算机视觉等领域的机器学习模型。同时，它的多模态支持和深度学习库的集成也是其创新之处。

返回开头

---

https://github.com/huggingface/transformers

🤗 Transformers: State-of-the-art Machine Learning for Pytorch, TensorFlow, and JAX.

这个GitHub仓库是Hugging Face的Transformers库。它的功能和创新点如下：

功能：

• 提供了数千个预训练模型，用于处理文本、图像和音频等不同模态的任务。这些模型可以应用于文本分类、信息提取、问答、摘要、翻译、文本生成等100多种语言的任务，图像分类、目标检测和分割等图像任务，以及语音识别和音频分类等音频任务。
• Transformer模型还可以在多个模态上执行任务，例如表格问答、光学字符识别、从扫描文档中提取信息、视频分类和视觉问答等。
• 提供API，可以快速下载和使用这些预训练模型，并在自己的数据集上进行微调，然后与社区共享在模型中心（model hub）上。
• 每个定义架构的Python模块都是完全独立的，可以进行修改以进行快速的研究实验。
• 支持Jax、PyTorch和TensorFlow这三个最流行的深度学习库，并且它们之间具有无缝的集成。可以使用其中一个库训练模型，然后在另一个库中加载进行推断。

创新点：

• 提供了大量预训练模型，使得开发者可以在各种自然语言处理和计算机视觉任务上快速构建和部署模型。
• 支持多模态任务，使得可以处理结合了文本、图像和音频等多种数据类型的任务。
• 提供了易于使用的API和模型中心，使得开发者可以方便地下载、使用和共享预训练模型。
• 支持多个深度学习库的集成，使得开发者可以根据自己的喜好和需求选择合适的库进行模型训练和推断。

总之，Hugging Face的Transformers库提供了丰富的预训练模型和灵活的API，使得开发者可以快速构建和部署在自然语言处理和计算机视觉等领域的机器学习模型。同时，它的多模态支持和深度学习库的集成也是其创新之处。

返回开头

---

https://github.com/huggingface/transformers

🤗 Transformers: State-of-the-art Machine Learning for Pytorch, TensorFlow, and JAX.

这个GitHub仓库是Hugging Face的Transformers库。它的功能和创新点如下：

功能：

• 提供了数千个预训练模型，用于处理文本、图像和音频等不同模态的任务。这些模型可以应用于文本分类、信息提取、问答、摘要、翻译、文本生成等100多种语言的任务，图像分类、目标检测和分割等图像任务，以及语音识别和音频分类等音频任务。
• Transformer模型还可以在多个模态上执行任务，例如表格问答、光学字符识别、从扫描文档中提取信息、视频分类和视觉问答等。
• 提供API，可以快速下载和使用这些预训练模型，并在自己的数据集上进行微调，然后与社区共享在模型中心（model hub）上。
• 每个定义架构的Python模块都是完全独立的，可以进行修改以进行快速的研究实验。
• 支持Jax、PyTorch和TensorFlow这三个最流行的深度学习库，并且它们之间具有无缝的集成。可以使用其中一个库训练模型，然后在另一个库中加载进行推断。

创新点：

• 提供了大量预训练模型，使得开发者可以在各种自然语言处理和计算机视觉任务上快速构建和部署模型。
• 支持多模态任务，使得可以处理结合了文本、图像和音频等多种数据类型的任务。
• 提供了易于使用的API和模型中心，使得开发者可以方便地下载、使用和共享预训练模型。
• 支持多个深度学习库的集成，使得开发者可以根据自己的喜好和需求选择合适的库进行模型训练和推断。

总之，Hugging Face的Transformers库提供了丰富的预训练模型和灵活的API，使得开发者可以快速构建和部署在自然语言处理和计算机视觉等领域的机器学习模型。同时，它的多模态支持和深度学习库的集成也是其创新之处。

返回开头

---

https://github.com/huggingface/transformers

🤗 Transformers: State-of-the-art Machine Learning for Pytorch, TensorFlow, and JAX.

这个GitHub仓库是Hugging Face的Transformers库。它的功能和创新点如下：

功能：

• 提供了数千个预训练模型，用于处理文本、图像和音频等不同模态的任务。这些模型可以应用于文本分类、信息提取、问答、摘要、翻译、文本生成等100多种语言的任务，图像分类、目标检测和分割等图像任务，以及语音识别和音频分类等音频任务。
• Transformer模型还可以在多个模态上执行任务，例如表格问答、光学字符识别、从扫描文档中提取信息、视频分类和视觉问答等。
• 提供API，可以快速下载和使用这些预训练模型，并在自己的数据集上进行微调，然后与社区共享在模型中心（model hub）上。
• 每个定义架构的Python模块都是完全独立的，可以进行修改以进行快速的研究实验。
• 支持Jax、PyTorch和TensorFlow这三个最流行的深度学习库，并且它们之间具有无缝的集成。可以使用其中一个库训练模型，然后在另一个库中加载进行推断。

创新点：

• 提供了大量预训练模型，使得开发者可以在各种自然语言处理和计算机视觉任务上快速构建和部署模型。
• 支持多模态任务，使得可以处理结合了文本、图像和音频等多种数据类型的任务。
• 提供了易于使用的API和模型中心，使得开发者可以方便地下载、使用和共享预训练模型。
• 支持多个深度学习库的集成，使得开发者可以根据自己的喜好和需求选择合适的库进行模型训练和推断。

总之，Hugging Face的Transformers库提供了丰富的预训练模型和灵活的API，使得开发者可以快速构建和部署在自然语言处理和计算机视觉等领域的机器学习模型。同时，它的多模态支持和深度学习库的集成也是其创新之处。

返回开头

---

https://github.com/automatic1111/stable-diffusion-webui

Stable Diffusion web UI

这个GitHub仓库是一个名为"Stable Diffusion web UIA browser interface based on Gradio library for Stable Diffusion"的项目。它提供了一个基于Gradio库的稳定扩散（Stable Diffusion）的Web用户界面浏览器接口。

该仓库的功能和创新点包括：

1. 提供了多种模式和功能，如原始txt2img和img2img模式、Outpainting、Inpainting、Color Sketch、Prompt Matrix等。
2. 支持稳定扩散的高级功能，如稳定扩散放大、注意力控制、循环处理、X/Y/Z绘图、文本反转等。
3. 提供了额外的选项和工具，如GFPGAN、CodeFormer、RealESRGAN、ESRGAN、SwinIR、Swin2SR、LDSR等，用于修复、提升图像质量。
4. 支持图像处理的各种选项和设置，如调整纵横比、采样方法选择、噪声设置、中断处理等。
5. 提供了丰富的界面功能，如进度条和实时图像生成预览、负面提示、样式和变体选择、种子调整、CLIP询问器、批处理等。
6. 支持自定义脚本和扩展，以及与其他项目的集成，如Composable-Diffusion、DeepDanbooru、Aesthetic Gradients等。
7. 提供了安装和运行的详细说明，包括在不同操作系统上的安装步骤和在线服务的使用。

总体而言，这个GitHub仓库提供了一个功能丰富的稳定扩散Web界面，使用户能够方便地使用稳定扩散模型进行图像处理和生成，并提供了许多创新的功能和选项来增强用户体验和图像生成的灵活性。

返回开头

---

https://github.com/f/awesome-chatgpt-prompts

This repo includes ChatGPT prompt curation to use ChatGPT better.

这个 GitHub 仓库名为 "Awesome ChatGPT Prompts"，是一个 ChatGPT 模型的提示示例集合。ChatGPT 是由 OpenAI 训练的一个大型语言模型，能够生成类似人类的文本。通过提供一个提示，它可以生成继续对话或扩展给定提示的回复。

这个仓库提供了各种可以与 ChatGPT 一起使用的提示。鼓励用户将自己的提示添加到列表中，并使用 ChatGPT 生成新的提示。只需克隆这个仓库，然后使用 README.md 文件中的提示作为 ChatGPT 的输入即可开始使用。您还可以使用此文件中的提示作为创建自己提示的灵感。

这个仓库的创新点和功能包括：

• 提供了 ChatGPT 的提示示例集合，使用户能够快速开始使用 ChatGPT 进行对话生成。
• 鼓励用户贡献自己的提示，并与其他用户共享。
• 提供了一个 ChatGPT 桌面应用程序，方便用户访问和使用仓库中的提示。
• 提供了一些相关资源，如编写有效提示的指南、创建图像提示的指南等。
• 提供了一个 ChatGPT Prompt 生成应用程序，允许用户根据自己的需求生成定制的提示。
• 提供了一个名为 prompts.chat 的网站，提供了改进的用户体验，用户可以轻松编辑和复制网站上的提示。

总之，这个仓库为用户提供了 ChatGPT 的提示示例集合，并提供了一些相关资源和工具，使用户能够更好地使用和定制 ChatGPT 进行对话生成。

返回开头

---

https://github.com/tensorflow/models

Models and examples built with TensorFlow

这个GitHub仓库是TensorFlow Model Garden，它提供了一系列最先进模型和建模解决方案的实现，旨在为TensorFlow用户展示建模的最佳实践，以便他们在研究和产品开发中充分利用TensorFlow。以下是该仓库的功能和创新点的总结：

1. 官方实现（official）：这个目录包含了使用最新的TensorFlow 2高级API实现的一些最先进模型的示例。这些实现是由TensorFlow官方维护、支持并与最新的TensorFlow 2 API保持同步的。它们在保持易读性的同时，也经过了合理的优化以提供快速的性能。

2. 研究模型（research）：这个目录包含了研究人员使用TensorFlow 1或2实现的一些研究模型。这些模型由研究人员维护和支持。

3. 社区模型（community）：这个目录是一个精选的GitHub仓库列表，其中包含由TensorFlow 2驱动的机器学习模型和实现。

4. Orbit：这是一个灵活且轻量级的库，用户可以在TensorFlow 2.x中编写自定义训练循环代码时轻松使用或派生。它与tf.distribute无缝集成，并支持在不同设备类型（CPU、GPU和TPU）上运行。

此外，该仓库还提供了安装说明，包括两种安装方法：通过安装TensorFlow Model Garden的pip包或克隆源代码。它还提供了贡献指南和许可证信息。

总的来说，TensorFlow Model Garden提供了一系列最先进模型的实现和建模解决方案，旨在帮助TensorFlow用户更好地利用TensorFlow进行研究和产品开发。它的创新点在于提供了官方维护的示例实现、研究人员贡献的模型实现以及与tf.distribute集成的轻量级库。

返回开头

---

https://github.com/tensorflow/models

Models and examples built with TensorFlow

这个GitHub仓库是TensorFlow Model Garden，它提供了一系列最先进模型和建模解决方案的实现，旨在为TensorFlow用户展示建模的最佳实践，以便他们在研究和产品开发中充分利用TensorFlow。以下是该仓库的功能和创新点的总结：

1. 官方实现（official）：这个目录包含了使用最新的TensorFlow 2高级API实现的一些最先进模型的示例。这些实现是由TensorFlow官方维护、支持并与最新的TensorFlow 2 API保持同步的。它们在保持易读性的同时，也经过了合理的优化以提供快速的性能。

2. 研究模型（research）：这个目录包含了研究人员使用TensorFlow 1或2实现的一些研究模型。这些模型由研究人员维护和支持。

3. 社区模型（community）：这个目录是一个精选的GitHub仓库列表，其中包含由TensorFlow 2驱动的机器学习模型和实现。

4. Orbit：这是一个灵活且轻量级的库，用户可以在TensorFlow 2.x中编写自定义训练循环代码时轻松使用或派生。它与tf.distribute无缝集成，并支持在不同设备类型（CPU、GPU和TPU）上运行。

此外，该仓库还提供了安装说明，包括两种安装方法：通过安装TensorFlow Model Garden的pip包或克隆源代码。它还提供了贡献指南和许可证信息。

总的来说，TensorFlow Model Garden提供了一系列最先进模型的实现和建模解决方案，旨在帮助TensorFlow用户更好地利用TensorFlow进行研究和产品开发。它的创新点在于提供了官方维护的示例实现、研究人员贡献的模型实现以及与tf.distribute集成的轻量级库。

返回开头

---

https://github.com/tensorflow/models

Models and examples built with TensorFlow

这个GitHub仓库是TensorFlow Model Garden，它提供了一系列最先进模型和建模解决方案的实现，旨在为TensorFlow用户展示建模的最佳实践，以便他们在研究和产品开发中充分利用TensorFlow。以下是该仓库的功能和创新点的总结：

1. 官方实现（official）：这个目录包含了使用最新的TensorFlow 2高级API实现的一些最先进模型的示例。这些实现是由TensorFlow官方维护、支持并与最新的TensorFlow 2 API保持同步的。它们在保持易读性的同时，也经过了合理的优化以提供快速的性能。

2. 研究模型（research）：这个目录包含了研究人员使用TensorFlow 1或2实现的一些研究模型。这些模型由研究人员维护和支持。

3. 社区模型（community）：这个目录是一个精选的GitHub仓库列表，其中包含由TensorFlow 2驱动的机器学习模型和实现。

4. Orbit：这是一个灵活且轻量级的库，用户可以在TensorFlow 2.x中编写自定义训练循环代码时轻松使用或派生。它与tf.distribute无缝集成，并支持在不同设备类型（CPU、GPU和TPU）上运行。

此外，该仓库还提供了安装说明，包括两种安装方法：通过安装TensorFlow Model Garden的pip包或克隆源代码。它还提供了贡献指南和许可证信息。

总的来说，TensorFlow Model Garden提供了一系列最先进模型的实现和建模解决方案，旨在帮助TensorFlow用户更好地利用TensorFlow进行研究和产品开发。它的创新点在于提供了官方维护的示例实现、研究人员贡献的模型实现以及与tf.distribute集成的轻量级库。

返回开头

---

https://github.com/tensorflow/models

Models and examples built with TensorFlow

这个GitHub仓库是TensorFlow Model Garden，它提供了一系列最先进模型和建模解决方案的实现，旨在为TensorFlow用户展示建模的最佳实践，以便他们在研究和产品开发中充分利用TensorFlow。以下是该仓库的功能和创新点的总结：

1. 官方实现（official）：这个目录包含了使用最新的TensorFlow 2高级API实现的一些最先进模型的示例。这些实现是由TensorFlow官方维护、支持并与最新的TensorFlow 2 API保持同步的。它们在保持易读性的同时，也经过了合理的优化以提供快速的性能。

2. 研究模型（research）：这个目录包含了研究人员使用TensorFlow 1或2实现的一些研究模型。这些模型由研究人员维护和支持。

3. 社区模型（community）：这个目录是一个精选的GitHub仓库列表，其中包含由TensorFlow 2驱动的机器学习模型和实现。

4. Orbit：这是一个灵活且轻量级的库，用户可以在TensorFlow 2.x中编写自定义训练循环代码时轻松使用或派生。它与tf.distribute无缝集成，并支持在不同设备类型（CPU、GPU和TPU）上运行。

此外，该仓库还提供了安装说明，包括两种安装方法：通过安装TensorFlow Model Garden的pip包或克隆源代码。它还提供了贡献指南和许可证信息。

总的来说，TensorFlow Model Garden提供了一系列最先进模型的实现和建模解决方案，旨在帮助TensorFlow用户更好地利用TensorFlow进行研究和产品开发。它的创新点在于提供了官方维护的示例实现、研究人员贡献的模型实现以及与tf.distribute集成的轻量级库。

返回开头

---

https://github.com/tensorflow/models

Models and examples built with TensorFlow

这个GitHub仓库是TensorFlow Model Garden，它提供了一系列最先进模型和建模解决方案的实现，旨在为TensorFlow用户展示建模的最佳实践，以便他们在研究和产品开发中充分利用TensorFlow。以下是该仓库的功能和创新点的总结：

1. 官方实现（official）：这个目录包含了使用最新的TensorFlow 2高级API实现的一些最先进模型的示例。这些实现是由TensorFlow官方维护、支持并与最新的TensorFlow 2 API保持同步的。它们在保持易读性的同时，也经过了合理的优化以提供快速的性能。

2. 研究模型（research）：这个目录包含了研究人员使用TensorFlow 1或2实现的一些研究模型。这些模型由研究人员维护和支持。

3. 社区模型（community）：这个目录是一个精选的GitHub仓库列表，其中包含由TensorFlow 2驱动的机器学习模型和实现。

4. Orbit：这是一个灵活且轻量级的库，用户可以在TensorFlow 2.x中编写自定义训练循环代码时轻松使用或派生。它与tf.distribute无缝集成，并支持在不同设备类型（CPU、GPU和TPU）上运行。

此外，该仓库还提供了安装说明，包括两种安装方法：通过安装TensorFlow Model Garden的pip包或克隆源代码。它还提供了贡献指南和许可证信息。

总的来说，TensorFlow Model Garden提供了一系列最先进模型的实现和建模解决方案，旨在帮助TensorFlow用户更好地利用TensorFlow进行研究和产品开发。它的创新点在于提供了官方维护的示例实现、研究人员贡献的模型实现以及与tf.distribute集成的轻量级库。

返回开头

---

https://github.com/hwchase17/langchain

⚡ Building applications with LLMs through composability ⚡

这个GitHub仓库名为"LangChain"，它提供了一种通过组合性来构建应用程序的方法，利用大型语言模型（LLMs）。以下是该仓库的功能和创新点的总结：

功能：

• 提供了一个库，用于开发基于大型语言模型的应用程序。
• 支持多种应用场景，包括问题回答、聊天机器人和代理等。
• 提供了文档和示例代码，帮助用户入门和使用该库。
• 提供了对LLMs和提示（prompts）的管理和优化功能。
• 提供了链式调用（chains）的标准接口和集成工具，支持多种工具的集成。
• 支持数据增强生成、代理、记忆和评估等功能。

创新点：

• 通过组合性和链式调用，将大型语言模型与其他计算或知识源相结合，提供更强大的应用程序开发能力。
• 提供了对数据增强生成的支持，可以与外部数据源交互，生成特定类型的文本，如长文本摘要和特定数据源的问答。
• 提供了代理功能的支持，使语言模型能够根据观察结果做出决策并执行相应的动作。
• 提供了记忆功能的支持，可以在链式调用或代理中保持状态信息。
• 提供了一种新的评估方法，利用语言模型自身进行评估。

总体而言，LangChain是一个旨在帮助开发人员构建基于大型语言模型的应用程序的库，通过提供组合性和链式调用的方式，创造了更强大和创新的开发能力。

返回开头

---

https://github.com/langchain-ai/langchain

⚡ Building applications with LLMs through composability ⚡

这个GitHub仓库是关于一个名为LangChain的项目，它提供了一种通过组合性来构建应用程序的方法，利用大型语言模型（LLMs）。以下是该仓库的功能和创新点的总结：

功能：

• 提供了使用LLMs的常见应用程序示例，包括问题回答、聊天机器人和代理等。
• 提供了与LLMs相关的功能，如提示管理、链式调用、数据增强生成、记忆和评估等。
• 提供了与其他工具的集成和端到端链式调用的示例。
• 提供了文档和资源，包括安装指南、示例代码、API文档和核心概念解释。

创新点：

• LangChain通过提供一种标准接口和工具，使开发人员能够更好地利用LLMs构建应用程序。
• LangChain强调了组合性的重要性，通过将LLMs与其他计算或知识源结合起来，实现了更强大的应用程序。
• LangChain提供了一种链式调用的方式，使开发人员能够构建复杂的应用程序流程，包括多个LLMs调用和其他实用工具的调用。
• LangChain还提供了数据增强生成、代理、记忆和评估等功能，扩展了LLMs的应用范围。
• 该项目是开源的，欢迎社区贡献，包括新功能、改进基础设施和文档等方面的贡献。

总体而言，LangChain是一个旨在帮助开发人员构建基于LLMs的应用程序的项目，通过提供标准接口、工具和示例，使开发人员能够更好地利用LLMs的能力，并通过组合性实现更强大的应用程序功能。

返回开头

---

https://github.com/compvis/stable-diffusion

A latent text-to-image diffusion model

这个GitHub仓库是关于稳定扩散（Stable Diffusion）的，它是一个潜在的文本到图像扩散模型。该模型建立在之前的工作《High-Resolution Image Synthesis with Latent Diffusion Models》的基础上，并得益于与Stability AI和Runway的合作。该模型使用了一个冻结的CLIP ViT-L/14文本编码器来对模型进行文本提示的条件设置。模型相对较轻，使用了860M的UNet和123M的文本编码器，并且可以在至少拥有10GB VRAM的GPU上运行。

该仓库的创新点在于提供了一个稳定的文本到图像扩散模型，并且通过合作伙伴的支持进行了训练。它还提供了一个参考脚本用于采样，并且包含了安全检查模块和隐形水印等功能，以减少生成图像中的不适宜内容，并帮助用户识别图像是否由机器生成。

该仓库提供了多个预训练的模型权重，可以用于不同的任务和应用。此外，该仓库还提供了详细的文档和模型卡片，以帮助用户了解模型的训练过程、数据集和使用限制。

总之，这个GitHub仓库提供了一个稳定的文本到图像扩散模型，具有一些创新的功能，如安全检查模块和隐形水印，并提供了预训练的模型权重和相关文档供用户使用。

返回开头

---

https://github.com/fighting41love/funNLP

中英文敏感词、语言检测、中外手机/电话归属地/运营商查询、名字推断性别、手机号抽取、身份证抽取、邮箱抽取、中日文人名库、中文缩写库、拆字词典、词汇情感值、停用词、反动词表、暴恐词表、繁简体转换、英文模拟中文发音、汪峰歌词生成器、职业名称词库、同义词库、反义词库、否定词库、汽车品牌词库、汽车零件词库、连续英文切割、各种中文词向量、公司名字大全、古诗词库、IT词库、财经词库、成语词库、地名词库、历史名人词库、诗词词库、医学词库、饮食词库、法律词库、汽车词库、动物词库、中文聊天语料、中文谣言数据、百度中文问答数据集、句子相似度匹配算法集合、bert资源、文本生成&摘要相关工具、cocoNLP信息抽取工具、国内电话号码正则匹配、清华大学XLORE:中英文跨语言百科知识图谱、清华大学人工智能技术系列报告、自然语言生成、NLU太难了系列、自动对联数据及机器人、用户名黑名单列表、罪名法务名词及分类模型、微信公众号语料、cs224n深度学习自然语言处理课程、中文手写汉字识别、中文自然语言处理 语料/数据集、变量命名神器、分词语料库+代码、任务型对话英文数据集、ASR 语音数据集 + 基于深度学习的中文语音识别系统、笑声检测器、Microsoft多语言数字/单位/如日期时间识别包、中华新华字典数据库及api(包括常用歇后语、成语、词语和汉字)、文档图谱自动生成、SpaCy 中文模型、Common Voice语音识别数据集新版、神经网络关系抽取、基于bert的命名实体识别、关键词(Keyphrase)抽取包pke、基于医疗领域知识图谱的问答系统、基于依存句法与语义角色标注的事件三元组抽取、依存句法分析4万句高质量标注数据、cnocr：用来做中文OCR的Python3包、中文人物关系知识图谱项目、中文nlp竞赛项目及代码汇总、中文字符数据、speech-aligner: 从“人声语音”及其“语言文本”产生音素级别时间对齐标注的工具、AmpliGraph: 知识图谱表示学习(Python)库：知识图谱概念链接预测、Scattertext 文本可视化(python)、语言/知识表示工具：BERT & ERNIE、中文对比英文自然语言处理NLP的区别综述、Synonyms中文近义词工具包、HarvestText领域自适应文本挖掘工具（新词发现-情感分析-实体链接等）、word2word：(Python)方便易用的多语言词-词对集：62种语言/3,564个多语言对、语音识别语料生成工具：从具有音频/字幕的在线视频创建自动语音识别(ASR)语料库、构建医疗实体识别的模型（包含词典和语料标注）、单文档非监督的关键词抽取、Kashgari中使用gpt-2语言模型、开源的金融投资数据提取工具、文本自动摘要库TextTeaser: 仅支持英文、人民日报语料处理工具集、一些关于自然语言的基本模型、基于14W歌曲知识库的问答尝试--功能包括歌词接龙and已知歌词找歌曲以及歌曲歌手歌词三角关系的问答、基于Siamese bilstm模型的相似句子判定模型并提供训练数据集和测试数据集、用Transformer编解码模型实现的根据Hacker News文章标题自动生成评论、用BERT进行序列标记和文本分类的模板代码、LitBank：NLP数据集——支持自然语言处理和计算人文学科任务的100部带标记英文小说语料、百度开源的基准信息抽取系统、虚假新闻数据集、Facebook: LAMA语言模型分析，提供Transformer-XL/BERT/ELMo/GPT预训练语言模型的统一访问接口、CommonsenseQA：面向常识的英文QA挑战、中文知识图谱资料、数据及工具、各大公司内部里大牛分享的技术文档 PDF 或者 PPT、自然语言生成SQL语句（英文）、中文NLP数据增强（EDA）工具、英文NLP数据增强工具 、基于医药知识图谱的智能问答系统、京东商品知识图谱、基于mongodb存储的军事领域知识图谱问答项目、基于远监督的中文关系抽取、语音情感分析、中文ULMFiT-情感分析-文本分类-语料及模型、一个拍照做题程序、世界各国大规模人名库、一个利用有趣中文语料库 qingyun 训练出来的中文聊天机器人、中文聊天机器人seqGAN、省市区镇行政区划数据带拼音标注、教育行业新闻语料库包含自动文摘功能、开放了对话机器人-知识图谱-语义理解-自然语言处理工具及数据、中文知识图谱：基于百度百科中文页面-抽取三元组信息-构建中文知识图谱、masr: 中文语音识别-提供预训练模型-高识别率、Python音频数据增广库、中文全词覆盖BERT及两份阅读理解数据、ConvLab：开源多域端到端对话系统平台、中文自然语言处理数据集、基于最新版本rasa搭建的对话系统、基于TensorFlow和BERT

根据提供的信息，这个GitHub仓库的功能和创新点如下：

功能：

• 提供了一个中文自然语言处理（NLP）资源库，包含了各种与中文NLP相关的工具、模型和数据集。
• 仓库中的资源涵盖了多个NLP任务，包括文本生成、文本摘要、智能问答、文本纠错、文本匹配、情感分析、阅读理解、事件抽取、机器翻译、文本聚类、文本分类等。
• 提供了各种常用的NLP工具和库，如语料库、词库及词法工具、预训练语言模型、抽取工具、知识图谱工具、文档处理工具、表格处理工具、文本数据增强工具、文本检索工具、常用正则表达式工具、语音处理工具等。
• 提供了一些与NLP相关的领域应用，如金融NLP、医疗NLP、法律NLP等。
• 提供了一些有趣搞笑的NLP工具和课程报告面试等资源。

创新点：

• 该仓库整理了大量中文NLP资源，并提供了一个集中的平台供用户查找和使用这些资源，方便了中文NLP开发者和研究者。
• 仓库中的资源涵盖了多个NLP任务和工具，为中文NLP领域的开发和研究提供了全面的支持。
• 仓库长期不定时更新，保持了与最新的NLP技术和资源的同步，为用户提供了最新的发展动态。
• 仓库提供了一些有趣搞笑的NLP工具，为用户带来了一些娱乐和轻松的体验。

需要注意的是，由于提供的信息中包含了一些格式化的HTML标签和图片链接，无法直接从中提取出更详细的信息。建议访问该GitHub仓库的链接以获取更多详细信息。

返回开头

---

https://github.com/awesomedata/awesome-public-datasets

A topic-centric list of HQ open datasets.

根据提供的代码片段，这个GitHub仓库的功能和创新点无法确定。提供的代码片段是一个HTML页面的头部，其中包含了一系列样式表的链接。这些样式表用于定义GitHub页面的外观和样式，包括颜色主题、字体、布局等。然而，这个代码片段并没有提供足够的信息来了解该仓库的具体功能和创新点。

要了解该仓库的功能和创新点，需要查看仓库中的其他文件和代码。通常，GitHub仓库会包含源代码、文档、说明文件等，这些文件可以提供更详细的信息。建议查看该仓库的其他文件以获取更全面的了解。

返回开头

---

https://github.com/caesar0301/awesome-public-datasets

A topic-centric list of HQ open datasets.

根据提供的代码片段，这个GitHub仓库的功能和创新点无法确定。提供的代码片段是一个HTML页面的头部，其中包含了一系列样式表的链接。这些样式表用于定义GitHub页面的外观和样式，包括颜色主题、字体、布局等。然而，这个代码片段并没有提供足够的信息来了解该仓库的具体功能和创新点。

要了解该仓库的功能和创新点，需要查看仓库中的其他文件和代码。通常，GitHub仓库会包含源代码、文档、说明文件等，这些文件可以提供更详细的信息。建议查看该仓库的其他文件以获取更全面的了解。

返回开头

---

https://github.com/huggingface/transformers

🤗Transformers: State-of-the-art Natural Language Processing for Pytorch and TensorFlow 2.0.

这个GitHub仓库是Hugging Face的Transformers库。它的功能和创新点如下：

功能：

• 提供了数千个预训练模型，用于处理文本、图像和音频等不同模态的任务。这些模型可以应用于文本分类、信息提取、问答、摘要、翻译、文本生成等100多种语言的任务，图像分类、目标检测和分割等图像任务，以及语音识别和音频分类等音频任务。
• Transformer模型还可以在多个模态上执行任务，例如表格问答、光学字符识别、从扫描文档中提取信息、视频分类和视觉问答等。
• 提供API，可以快速下载和使用这些预训练模型，并在自己的数据集上进行微调，然后与社区共享在模型中心（model hub）上。
• 每个定义架构的Python模块都是完全独立的，可以进行修改以进行快速的研究实验。
• 支持Jax、PyTorch和TensorFlow这三个最流行的深度学习库，并且它们之间具有无缝的集成。可以使用其中一个库训练模型，然后在另一个库中加载进行推断。

创新点：

• 提供了大量预训练模型，使得开发者可以在各种自然语言处理和计算机视觉任务上快速构建和部署模型。
• 支持多模态任务，使得可以处理结合了文本、图像和音频等多种数据类型的任务。
• 提供了易于使用的API和模型中心，使得开发者可以方便地下载、使用和共享预训练模型。
• 支持多个深度学习库的集成，使得开发者可以根据自己的喜好和需求选择合适的库进行模型训练和推断。

总之，Hugging Face的Transformers库提供了丰富的预训练模型和灵活的API，使得开发者可以快速构建和部署在自然语言处理和计算机视觉等领域的机器学习模型。同时，它的多模态支持和深度学习库的集成也是其创新之处。

返回开头

---

https://github.com/huggingface/transformers

🤗Transformers: State-of-the-art Natural Language Processing for Pytorch and TensorFlow 2.0.

这个GitHub仓库是Hugging Face的Transformers库。它的功能和创新点如下：

功能：

• 提供了数千个预训练模型，用于处理文本、图像和音频等不同模态的任务。这些模型可以应用于文本分类、信息提取、问答、摘要、翻译、文本生成等100多种语言的任务，图像分类、目标检测和分割等图像任务，以及语音识别和音频分类等音频任务。
• Transformer模型还可以在多个模态上执行任务，例如表格问答、光学字符识别、从扫描文档中提取信息、视频分类和视觉问答等。
• 提供API，可以快速下载和使用这些预训练模型，并在自己的数据集上进行微调，然后与社区共享在模型中心（model hub）上。
• 每个定义架构的Python模块都是完全独立的，可以进行修改以进行快速的研究实验。
• 支持Jax、PyTorch和TensorFlow这三个最流行的深度学习库，并且它们之间具有无缝的集成。可以使用其中一个库训练模型，然后在另一个库中加载进行推断。

创新点：

• 提供了大量预训练模型，使得开发者可以在各种自然语言处理和计算机视觉任务上快速构建和部署模型。
• 支持多模态任务，使得可以处理结合了文本、图像和音频等多种数据类型的任务。
• 提供了易于使用的API和模型中心，使得开发者可以方便地下载、使用和共享预训练模型。
• 支持多个深度学习库的集成，使得开发者可以根据自己的喜好和需求选择合适的库进行模型训练和推断。

总之，Hugging Face的Transformers库提供了丰富的预训练模型和灵活的API，使得开发者可以快速构建和部署在自然语言处理和计算机视觉等领域的机器学习模型。同时，它的多模态支持和深度学习库的集成也是其创新之处。

返回开头

---

https://github.com/openai/whisper

Robust Speech Recognition via Large-Scale Weak Supervision

这个GitHub仓库是关于一个名为Whisper的通用语音识别模型的。它是在大量多样化音频数据上训练的，同时也是一个多任务模型，可以执行多语言语音识别、语音翻译和语言识别等任务。

该模型使用了Transformer序列到序列模型，并在多语音处理任务上进行训练，包括多语言语音识别、语音翻译、口语语言识别和语音活动检测。这些任务被联合表示为待解码的标记序列，使得单个模型可以替代传统语音处理流程中的多个阶段。多任务训练格式使用了一组特殊的标记作为任务指示器或分类目标。

该仓库提供了安装和使用该模型的设置说明。它依赖于Python 3.9.9和PyTorch 1.10.1进行训练和测试，但代码库预计与Python 3.8-3.11和最新的PyTorch版本兼容。此外，它还依赖于一些Python包，其中最重要的是OpenAI的tiktoken，用于快速的分词器实现。

该仓库提供了不同大小的模型和语言版本。有四个只支持英语的模型，提供了速度和准确性之间的权衡。模型的大小从tiny到large，内存需求和相对速度也有所不同。

Whisper的性能因语言而异。仓库中提供了使用large-v2模型在Fleurs数据集上的词错误率（WER）按语言分类的图表。该图表显示了不同语言的性能差异。

该仓库还提供了命令行和Python使用示例，以及更多的示例用法和讨论可以在仓库的Discussions部分找到。

Whisper的代码和模型权重使用MIT许可证发布。

总结起来，这个GitHub仓库提供了一个通用的语音识别模型Whisper，它具有多语言支持和多任务能力，并提供了命令行和Python接口供使用者使用。

返回开头

---

https://github.com/iperov/DeepFaceLab

DeepFaceLab is the leading software for creating deepfakes.

根据提供的GitHub仓库信息，这个GitHub仓库是DeepFaceLab，它是一个用于创建深度伪造（deepfake）的领先软件。以下是该仓库的功能和创新点的总结：

1. 功能：

   • 替换脸部：DeepFaceLab可以将一个人的脸部替换为另一个人的脸部，创建逼真的深度伪造视频。
   • 年龄变化：DeepFaceLab可以通过修改脸部外观来实现对人脸的年龄变化效果。
   • 替换头部：DeepFaceLab可以将一个人的头部替换为另一个人的头部，实现头部的深度伪造效果。
   • 操纵政治家的嘴唇：DeepFaceLab可以操纵政治家的嘴唇，但需要在视频编辑软件（如Adobe After Effects或Davinci Resolve）中进行声音替换。

2. 创新点：

   • 领先软件：DeepFaceLab是创建深度伪造视频的领先软件，被广泛应用于YouTube和TikTok等平台上的知名频道。
   • 深度伪造原生分辨率进展：DeepFaceLab致力于提高深度伪造视频的原生分辨率，以获得更高质量的结果。
   • 社区支持：该仓库提供了多个版本的DeepFaceLab，包括Windows、Google Colab和Linux版本，以满足不同用户的需求。

总的来说，DeepFaceLab是一个功能强大且领先的深度伪造软件，具有替换脸部、年龄变化、替换头部和操纵政治家嘴唇等功能。它的创新点在于其在深度伪造领域的领先地位、对原生分辨率的改进以及提供多个版本和社区支持。

返回开头

---

https://github.com/ultralytics/yolov5

YOLOv5 🚀 in PyTorch > ONNX > CoreML > TFLite

根据这个GitHub仓库（repo）的内容，它是关于YOLOv5的。以下是该仓库的功能和创新点的总结：

功能：

• 提供YOLOv5的开源研究资源，包括代码、文档和模型。
• 支持目标检测、图像分割和图像分类等计算机视觉任务。
• 提供了详细的文档，包括训练、测试和部署等方面的说明。
• 支持使用PyTorch进行推理和训练。
• 提供了预训练的YOLOv5模型和权重文件。
• 支持从不同来源（如图像、视频、摄像头等）进行推理。
• 提供了用于运行推理的脚本和命令行工具。

创新点：

• YOLOv5是基于Ultralytics团队的开源研究成果，代表了他们在未来视觉人工智能方法方面的最佳实践和经验。
• YOLOv5被设计为快速、准确和易于使用，具有较高的性能。
• 该仓库提供了YOLOv8的最新版本，是一个先进的、最新的模型，适用于目标检测、图像分割和图像分类等任务。

总体而言，这个GitHub仓库提供了YOLOv5和YOLOv8模型的开源实现和资源，为目标检测和计算机视觉任务提供了强大的工具和方法。

返回开头

---

https://github.com/facebookresearch/llama

Inference code for LLaMA models

这个GitHub仓库是关于Llama 2的，它是一个大型语言模型的开源项目。Llama 2的目标是解锁大型语言模型的潜力，使个人、创作者、研究人员和各种规模的企业能够负责地进行实验、创新和扩展他们的想法。该仓库提供了预训练和微调的Llama语言模型的模型权重和起始代码，包括7B到70B参数范围的模型。

这个仓库的创新点在于提供了Llama 2模型的预训练和微调版本，并提供了加载和运行推理的最小示例代码。它还提供了更详细的示例代码，可以利用Hugging Face库进行更多的操作，这些示例代码可以在llama-recipes仓库中找到。

该仓库提供了下载Llama 2模型权重和分词器的脚本，并提供了在Hugging Face上访问模型的方式。它还提供了设置和运行推理的说明，包括不同模型所需的模型并行值、预训练模型和微调聊天模型的示例运行命令。

Llama 2是一项新技术，使用时存在潜在风险。为了帮助开发者应对这些风险，他们创建了《负责任使用指南》。该仓库还提供了报告软件问题、模型生成的风险内容以及漏洞和安全问题的渠道。

该仓库还包括模型卡片、许可证和参考文献等其他信息。

总结起来，这个GitHub仓库的功能是提供Llama 2语言模型的预训练和微调版本，以及加载和运行推理的示例代码。它的创新点在于开放了大型语言模型的使用，提供了预训练和微调的模型权重，并提供了详细的示例代码和文档帮助用户使用和理解模型。

返回开头

---

https://github.com/binary-husky/chatgpt_academic

为ChatGPT/GLM提供图形交互界面，特别优化论文阅读/润色/写作体验，模块化设计，支持自定义快捷按钮&函数插件，支持Python和C++等项目剖析&自译解功能，PDF/LaTex论文翻译&总结功能，支持并行问询多种LLM模型，支持chatglm2等本地模型。兼容文心一言, moss, llama2, rwkv, claude2, 通义千问, 书生, 讯飞星火等。

这个GitHub仓库名为"GPT 学术优化 (GPT Academic)"，它提供了一些功能和创新点，包括：

1. 接入新模型：支持接入百度千帆、文心一言、通义千问、上海AI-Lab书生、讯飞星火、LLaMa2等模型，以提供更多的功能和优化。

2. 一键润色：提供一键润色功能，可以帮助查找论文语法错误并进行修正。

3. 一键中英互译：支持一键中英互译功能，方便进行文本的翻译。

4. 一键代码解释：提供显示、解释、生成代码以及给代码加注释的功能，方便理解和处理代码。

5. 自定义快捷键：支持自定义快捷键，可以根据个人需求设置快捷键来提高效率。

6. 模块化设计：采用模块化设计，支持自定义函数插件，插件可以进行热更新。

7. 自我程序剖析：提供自我程序剖析功能，可以调用GPT重新生成项目的自我解析报告。

8. 一键读懂：提供一键读懂功能，可以解析其他Python/C/C++/Java/Lua等项目树。

9. 论文解读：提供一键解读latex/pdf论文全文并生成摘要、翻译和润色功能。

10. 批量注释生成：提供一键批量生成函数注释Markdown的功能。

11. chat分析报告生成：提供运行后自动生成总结汇报的功能。

12. PDF论文全文翻译功能：提供PDF论文提取题目、摘要翻译和全文翻译的功能。

13. Arxiv小助手：提供输入Arxiv文章URL即可一键翻译摘要、下载PDF和校对的功能。

14. 谷歌学术统合小助手：提供给定任意谷歌学术搜索页面URL，让GPT帮助写related works和进行互联网信息聚合的功能。

15. 互联网信息聚合+GPT：提供一键让GPT从互联网获取信息回答问题的功能，让信息永不过时。

16. Arxiv论文精细翻译：提供一键以超高质量翻译Arxiv论文的功能，是目前最好的论文翻译工具。

这个GitHub仓库的创新点在于提供了多种学术优化功能，包括润色、中英互译、代码解释、自定义快捷键、函数插件等，以提高学术工作的效率和质量。同时，它还支持接入多个模型和API，扩展了功能的范围和灵活性。

返回开头

---

https://github.com/binary-husky/gpt_academic

为ChatGPT/GLM提供图形交互界面，特别优化论文阅读/润色/写作体验，模块化设计，支持自定义快捷按钮&函数插件，支持Python和C++等项目剖析&自译解功能，PDF/LaTex论文翻译&总结功能，支持并行问询多种LLM模型，支持chatglm2等本地模型。兼容文心一言, moss, llama2, rwkv, claude2, 通义千问, 书生, 讯飞星火等。

根据这个GitHub仓库的描述，该仓库名为"GPT 学术优化 (GPT Academic)"，以下是该仓库的功能和创新点的总结：

1. 支持接入新模型：该仓库支持接入多个新模型，包括百度千帆、文心一言、通义千问、上海AI-Lab书生、讯飞星火和LLaMa2等，以提供更多的学术优化功能。

2. 一键润色和语法错误查找：提供一键润色功能，可以自动修复论文中的语法错误。同时，还支持一键查找论文中的语法错误。

3. 一键中英互译：提供一键中英互译功能，可以方便地进行中英文之间的翻译。

4. 一键代码解释：支持显示代码、解释代码、生成代码和给代码加注释的功能，方便理解和处理代码。

5. 自定义快捷键：支持自定义快捷键，可以根据个人需求设置快捷键，提高操作效率。

6. 模块化设计：该仓库采用模块化设计，可以方便地添加和管理各种功能插件，同时支持热更新功能。

7. 自我程序剖析：提供自我程序剖析功能，可以调用GPT生成项目的自我解析报告，帮助理解和分析项目。

8. 一键读懂本项目的源代码：提供一键读懂本项目的源代码功能，可以帮助理解和解析本项目的代码。

9. 一键读论文和翻译论文：提供一键读论文和翻译论文的功能，可以方便地阅读和翻译论文内容。

10. 一键生成函数注释和Markdown：支持一键批量生成函数注释和Markdown文档，提高代码文档的生成效率。

11. chat分析报告生成：提供运行后自动生成总结汇报的功能，方便生成项目的分析报告。

12. PDF论文全文翻译功能：提供PDF论文全文翻译功能，可以一键提取题目和摘要，并进行全文翻译。

13. Arxiv小助手：提供输入Arxiv文章URL即可一键翻译摘要、下载PDF和校对的功能。

14. 谷歌学术统合小助手：提供给定任意谷歌学术搜索页面URL，让GPT帮助写related works和进行互联网信息聚合的功能。

15. 互联网信息聚合+GPT：提供一键让GPT从互联网获取信息回答问题的功能，保证信息的及时性。

16. Arxiv论文精细翻译：提供一键以超高质量翻译Arxiv论文的功能，是目前最好的论文翻译工具之一。

总的来说，该GitHub仓库提供了一系列学术优化的功能和工具，包括润色、翻译、代码解释、函数插件等，旨在提高学术工作的效率和质量。同时，该仓库支持接入新模型，并具有模块化设计和自我程序剖析等创新点，为用户提供了更多的定制和扩展能力。

返回开头

---

https://github.com/ggerganov/llama.cpp

Port of Facebook's LLaMA model in C/C++

这个GitHub仓库（repo）名为llama.cpp，它的功能和创新点如下：

功能：

• 运行LLaMA模型：该仓库的主要目标是在MacBook上使用4位整数量化（4-bit integer quantization）运行LLaMA模型。
• 纯C/C++实现：该仓库是一个没有依赖的纯C/C++实现。
• 跨平台支持：支持Mac OS、Linux、Windows（通过CMake）和Docker等多个平台。
• 支持多种模型：支持多个模型，包括LLaMA、LLaMA 2、Falcon、Alpaca、GPT4All、Chinese LLaMA/Alpaca、Vigogne、Vicuna、Koala、OpenBuddy、Pygmalion 7B/Metharme 7B、WizardLM、Baichuan-7B等。

创新点：

• 4位整数量化支持：通过使用4位整数量化，该仓库实现了对LLaMA模型的高效运行，同时减少了模型的存储和计算资源需求。
• 跨平台支持：该仓库在不同操作系统和平台上都能运行，并且针对不同平台进行了优化，如在Apple Silicon上通过ARM NEON、Accelerate和Metal框架进行了优化。
• 多语言绑定支持：该仓库提供了多种语言的绑定，如Python、Go、Node.js、Ruby、Rust、C#/.NET、Scala、Clojure、React Native和Java等，方便开发者在不同语言环境中使用LLaMA模型。

总体而言，llama.cpp是一个具有跨平台支持和4位整数量化的LLaMA模型运行库，提供了多种模型和多语言绑定的支持，为开发者提供了一个灵活且高效的LLaMA模型运行环境。

返回开头

---

https://github.com/jakevdp/pythondatasciencehandbook

Python Data Science Handbook: full text in Jupyter Notebooks

这个GitHub仓库是《Python数据科学手册》（Python Data Science Handbook）的存储库，它包含了整本书的Jupyter笔记本。以下是该存储库的功能和创新点的总结：

功能：

1. 提供了《Python数据科学手册》的免费在线版本，可以在https://jakevdp.github.io/PythonDataScienceHandbook/上阅读整本书。
2. 提供了Jupyter笔记本，可以在该存储库的notebooks目录中运行书中的代码。
3. 可以使用Google Colab在云端运行这些笔记本，通过点击Colab徽章可以直接打开Colab版本的笔记本。
4. 可以使用Binder启动一个实时的笔记本服务器，通过点击Binder徽章可以直接打开Binder版本的笔记本。
5. 提供了购买印刷版书籍的链接。

创新点：

1. 该存储库提供了一种交互式学习数据科学的方式，通过Jupyter笔记本的形式，读者可以直接运行代码并观察结果，加深对数据科学概念和技术的理解。
2. 提供了多种在线运行笔记本的选项，包括Colab和Binder，使读者可以在不安装任何软件的情况下即时体验和学习数据科学。
3. 通过提供免费在线版本和开放源代码许可证，作者鼓励读者自由获取和分享知识，促进数据科学教育和研究的发展。

总体而言，这个GitHub存储库为学习和实践Python数据科学提供了一个便捷的平台，通过交互式的Jupyter笔记本，读者可以深入学习和探索数据科学的核心库和技术。

返回开头

---

https://github.com/huggingface/transformers

🤗Transformers: State-of-the-art Natural Language Processing for Pytorch and TensorFlow 2.0.

这个GitHub仓库是Hugging Face的Transformers库。它的功能和创新点如下：

功能：

• 提供了数千个预训练模型，用于处理文本、图像和音频等不同模态的任务。这些模型可以应用于文本分类、信息提取、问答、摘要、翻译、文本生成等100多种语言的任务，图像分类、目标检测和分割等图像任务，以及语音识别和音频分类等音频任务。
• Transformer模型还可以在多个模态上执行任务，例如表格问答、光学字符识别、从扫描文档中提取信息、视频分类和视觉问答等。
• 提供API，可以快速下载和使用这些预训练模型，并在自己的数据集上进行微调，然后与社区共享在模型中心（model hub）上。
• 每个定义架构的Python模块都是完全独立的，可以进行修改以进行快速的研究实验。
• 支持Jax、PyTorch和TensorFlow这三个最流行的深度学习库，并且它们之间具有无缝的集成。可以使用其中一个库训练模型，然后在另一个库中加载进行推断。

创新点：

• 提供了大量预训练模型，使得开发者可以在各种自然语言处理和计算机视觉任务上快速构建和部署模型。
• 支持多模态任务，使得可以处理结合了文本、图像和音频等多种数据类型的任务。
• 提供了易于使用的API和模型中心，使得开发者可以方便地下载、使用和共享预训练模型。
• 支持多个深度学习库的集成，使得开发者可以根据自己的喜好和需求选择合适的库进行模型训练和推断。

总之，Hugging Face的Transformers库提供了丰富的预训练模型和灵活的API，使得开发者可以快速构建和部署在自然语言处理和计算机视觉等领域的机器学习模型。同时，它的多模态支持和深度学习库的集成也是其创新之处。

返回开头

---

https://github.com/imartinez/privategpt

Interact privately with your documents using the power of GPT, 100% privately, no data leaks

这个GitHub仓库名为"privateGPT"，它提供了一个功能，即在没有互联网连接的情况下，使用语言模型的能力来向文档提问。该仓库的创新点在于完全保护用户隐私，不会有任何数据离开用户的执行环境。用户可以导入文档并提出问题，而无需互联网连接。

该仓库使用了一些其他的开源项目，包括：

• LangChain：用于解析文档和创建嵌入向量。
• GPT4All：用于理解问题和生成答案的本地语言模型。
• LlamaCpp：用于支持本地语言模型的工具。
• Chroma：用于创建本地向量存储的工具。
• SentenceTransformers：用于生成句子嵌入向量的工具。

该仓库的使用方法如下：

1. 设置环境：安装所需的依赖项，并下载并放置语言模型文件。
2. 导入数据集：将要使用的文档文件放置在指定的目录中，并运行相应的命令进行数据导入。
3. 提问：运行命令来提出问题，等待模型生成答案。

该仓库的工作原理如下：

• ingest.py：使用LangChain工具解析文档，并使用HuggingFaceEmbeddings（SentenceTransformers）在本地创建嵌入向量。然后使用Chroma向量存储将结果存储在本地向量数据库中。
• privateGPT.py：使用本地的LLM（基于GPT4All-J或LlamaCpp）来理解问题并生成答案。从本地向量存储中提取上下文，使用相似性搜索来定位文档中正确的上下文片段。

该仓库的系统要求如下：

• Python版本：需要安装Python 3.10或更高版本。
• C++编译器：在安装过程中可能需要安装C++编译器。

需要注意的是，该仓库是一个测试项目，旨在验证使用LLM和向量嵌入的完全私密的问题回答解决方案的可行性。它不适用于生产环境，模型选择不是为了性能优化，而是为了保护隐私。用户可以根据需要使用不同的模型和向量存储来改进性能。

返回开头

---

https://github.com/huggingface/transformers

🤗Transformers: State-of-the-art Natural Language Processing for Pytorch and TensorFlow 2.0.

这个GitHub仓库是Hugging Face的Transformers库。它的功能和创新点如下：

功能：

• 提供了数千个预训练模型，用于处理文本、图像和音频等不同模态的任务。这些模型可以应用于文本分类、信息提取、问答、摘要、翻译、文本生成等100多种语言的任务，图像分类、目标检测和分割等图像任务，以及语音识别和音频分类等音频任务。
• Transformer模型还可以在多个模态上执行任务，例如表格问答、光学字符识别、从扫描文档中提取信息、视频分类和视觉问答等。
• 提供API，可以快速下载和使用这些预训练模型，并在自己的数据集上进行微调，然后与社区共享在模型中心（model hub）上。
• 每个定义架构的Python模块都是完全独立的，可以进行修改以进行快速的研究实验。
• 支持Jax、PyTorch和TensorFlow这三个最流行的深度学习库，并且它们之间具有无缝的集成。可以使用其中一个库训练模型，然后在另一个库中加载进行推断。

创新点：

• 提供了大量预训练模型，使得开发者可以在各种自然语言处理和计算机视觉任务上快速构建和部署模型。
• 支持多模态任务，使得可以处理结合了文本、图像和音频等多种数据类型的任务。
• 提供了易于使用的API和模型中心，使得开发者可以方便地下载、使用和共享预训练模型。
• 支持多个深度学习库的集成，使得开发者可以根据自己的喜好和需求选择合适的库进行模型训练和推断。

总之，Hugging Face的Transformers库提供了丰富的预训练模型和灵活的API，使得开发者可以快速构建和部署在自然语言处理和计算机视觉等领域的机器学习模型。同时，它的多模态支持和深度学习库的集成也是其创新之处。

返回开头

---

https://github.com/dkhamsing/open-source-ios-apps

📱 Collaborative List of Open-Source iOS Apps

这个 GitHub 仓库是一个协作列表，收集了开源的 iOS、iPadOS、watchOS 和 tvOS 应用程序。它包含了各种不同类型的应用，涵盖了多个领域和功能。以下是该仓库的功能和创新点的总结：

• 该仓库收集了大量的开源 iOS 应用程序，提供了一个集中的资源，供开发者学习和参考。
• 它涵盖了多个平台，包括 iOS、iPadOS、watchOS 和 tvOS，使开发者能够在不同的设备上开发应用程序。
• 仓库中的应用程序涵盖了各种不同的功能和领域，包括浏览器、计算器、日历、通讯、开发工具、教育、游戏、健康、媒体、新闻、购物、社交等等。
• 仓库中的应用程序大部分都是用 Swift 编写的，这是一种流行的 iOS 开发语言，因此开发者可以学习和了解如何使用 Swift 构建应用程序。
• 仓库中的应用程序是开源的，这意味着开发者可以查看和修改源代码，根据自己的需求进行定制和改进。
• 仓库中的应用程序有一些创新的功能，例如使用不同的 API、集成第三方库、实现特定的应用场景等等。
• 仓库还提供了贡献指南，鼓励开发者参与其中，共同完善和扩充这个开源应用程序列表。

总的来说，这个 GitHub 仓库为开发者提供了一个集中的资源，包含了大量开源的 iOS 应用程序，涵盖了多个领域和功能，同时也鼓励开发者参与其中，共同贡献和改进这个开源项目。

返回开头

---

https://github.com/lab-ml/nn

🧑‍🏫 60 Implementations/tutorials of deep learning papers with side-by-side notes 📝; including transformers (original, xl, switch, feedback, vit, ...), optimizers (adam, adabelief, sophia, ...), gans(cyclegan, stylegan2, ...), 🎮 reinforcement learning (ppo, dqn), capsnet, distillation, ... 🧠

这个GitHub仓库是一个labml.ai深度学习论文实现的集合，提供了一系列简单的PyTorch实现的神经网络和相关算法。该仓库的创新点和功能如下：

1. 实现了多种深度学习模型和算法：该仓库包含了许多经典和最新的深度学习模型和算法的实现，涵盖了诸如Transformer、GAN、LSTM、ResNet、U-Net等多个领域。

2. 提供了详细的文档和解释：每个实现都有详细的文档和解释，帮助用户更好地理解算法的原理和实现细节。这些文档以便于阅读的格式呈现在网站上，可以作为学习和参考的资料。

3. 持续更新和维护：该仓库保持活跃的维护，几乎每周都会添加新的实现。这意味着用户可以获取到最新的深度学习模型和算法的实现，并跟踪相关领域的最新进展。

4. 提供了网站展示：该仓库的实现以网站的形式展示，用户可以通过网站浏览和学习各种深度学习模型和算法的实现。网站提供了便于阅读的格式和排版，使用户能够更好地理解和学习。

总之，这个GitHub仓库提供了一个集合，其中包含了许多深度学习模型和算法的简单实现，并提供了详细的文档和解释，帮助用户更好地理解和学习这些算法。同时，该仓库保持持续更新和维护，提供最新的实现和最新领域的进展。

返回开头

---

https://github.com/lab-ml/nn

🧑‍🏫 60 Implementations/tutorials of deep learning papers with side-by-side notes 📝; including transformers (original, xl, switch, feedback, vit, ...), optimizers (adam, adabelief, sophia, ...), gans(cyclegan, stylegan2, ...), 🎮 reinforcement learning (ppo, dqn), capsnet, distillation, ... 🧠

这个GitHub仓库是一个labml.ai深度学习论文实现的集合，提供了一系列简单的PyTorch实现的神经网络和相关算法。该仓库的创新点和功能如下：

1. 实现了多种深度学习模型和算法：该仓库包含了许多经典和最新的深度学习模型和算法的实现，涵盖了诸如Transformer、GAN、LSTM、ResNet、U-Net等多个领域。

2. 提供了详细的文档和解释：每个实现都有详细的文档和解释，帮助用户更好地理解算法的原理和实现细节。这些文档以便于阅读的格式呈现在网站上，可以作为学习和参考的资料。

3. 持续更新和维护：该仓库保持活跃的维护，几乎每周都会添加新的实现。这意味着用户可以获取到最新的深度学习模型和算法的实现，并跟踪相关领域的最新进展。

4. 提供了网站展示：该仓库的实现以网站的形式展示，用户可以通过网站浏览和学习各种深度学习模型和算法的实现。网站提供了便于阅读的格式和排版，使用户能够更好地理解和学习。

总之，这个GitHub仓库提供了一个集合，其中包含了许多深度学习模型和算法的简单实现，并提供了详细的文档和解释，帮助用户更好地理解和学习这些算法。同时，该仓库保持持续更新和维护，提供最新的实现和最新领域的进展。

返回开头

---

https://github.com/lab-ml/nn

🧑‍🏫 60 Implementations/tutorials of deep learning papers with side-by-side notes 📝; including transformers (original, xl, switch, feedback, vit, ...), optimizers (adam, adabelief, sophia, ...), gans(cyclegan, stylegan2, ...), 🎮 reinforcement learning (ppo, dqn), capsnet, distillation, ... 🧠

这个GitHub仓库是一个labml.ai深度学习论文实现的集合，提供了一系列简单的PyTorch实现的神经网络和相关算法。该仓库的创新点和功能如下：

1. 实现了多种深度学习模型和算法：该仓库包含了许多经典和最新的深度学习模型和算法的实现，涵盖了诸如Transformer、GAN、LSTM、ResNet、U-Net等多个领域。

2. 提供了详细的文档和解释：每个实现都有详细的文档和解释，帮助用户更好地理解算法的原理和实现细节。这些文档以便于阅读的格式呈现在网站上，可以作为学习和参考的资料。

3. 持续更新和维护：该仓库保持活跃的维护，几乎每周都会添加新的实现。这意味着用户可以获取到最新的深度学习模型和算法的实现，并跟踪相关领域的最新进展。

4. 提供了网站展示：该仓库的实现以网站的形式展示，用户可以通过网站浏览和学习各种深度学习模型和算法的实现。网站提供了便于阅读的格式和排版，使用户能够更好地理解和学习。

总之，这个GitHub仓库提供了一个集合，其中包含了许多深度学习模型和算法的简单实现，并提供了详细的文档和解释，帮助用户更好地理解和学习这些算法。同时，该仓库保持持续更新和维护，提供最新的实现和最新领域的进展。

返回开头

---

https://github.com/lab-ml/nn

🧑‍🏫 60 Implementations/tutorials of deep learning papers with side-by-side notes 📝; including transformers (original, xl, switch, feedback, vit, ...), optimizers (adam, adabelief, sophia, ...), gans(cyclegan, stylegan2, ...), 🎮 reinforcement learning (ppo, dqn), capsnet, distillation, ... 🧠

这个GitHub仓库是一个labml.ai深度学习论文实现的集合，提供了一系列简单的PyTorch实现的神经网络和相关算法。该仓库的创新点和功能如下：

1. 实现了多种深度学习模型和算法：该仓库包含了许多经典和最新的深度学习模型和算法的实现，涵盖了诸如Transformer、GAN、LSTM、ResNet、U-Net等多个领域。

2. 提供了详细的文档和解释：每个实现都有详细的文档和解释，帮助用户更好地理解算法的原理和实现细节。这些文档以便于阅读的格式呈现在网站上，可以作为学习和参考的资料。

3. 持续更新和维护：该仓库保持活跃的维护，几乎每周都会添加新的实现。这意味着用户可以获取到最新的深度学习模型和算法的实现，并跟踪相关领域的最新进展。

4. 提供了网站展示：该仓库的实现以网站的形式展示，用户可以通过网站浏览和学习各种深度学习模型和算法的实现。网站提供了便于阅读的格式和排版，使用户能够更好地理解和学习。

总之，这个GitHub仓库提供了一个集合，其中包含了许多深度学习模型和算法的简单实现，并提供了详细的文档和解释，帮助用户更好地理解和学习这些算法。同时，该仓库保持持续更新和维护，提供最新的实现和最新领域的进展。

返回开头

---

https://github.com/lab-ml/nn

🧑‍🏫 60 Implementations/tutorials of deep learning papers with side-by-side notes 📝; including transformers (original, xl, switch, feedback, vit, ...), optimizers (adam, adabelief, sophia, ...), gans(cyclegan, stylegan2, ...), 🎮 reinforcement learning (ppo, dqn), capsnet, distillation, ... 🧠

这个GitHub仓库是一个labml.ai深度学习论文实现的集合，提供了一系列简单的PyTorch实现的神经网络和相关算法。该仓库的创新点和功能如下：

1. 实现了多种深度学习模型和算法：该仓库包含了许多经典和最新的深度学习模型和算法的实现，涵盖了诸如Transformer、GAN、LSTM、ResNet、U-Net等多个领域。

2. 提供了详细的文档和解释：每个实现都有详细的文档和解释，帮助用户更好地理解算法的原理和实现细节。这些文档以便于阅读的格式呈现在网站上，可以作为学习和参考的资料。

3. 持续更新和维护：该仓库保持活跃的维护，几乎每周都会添加新的实现。这意味着用户可以获取到最新的深度学习模型和算法的实现，并跟踪相关领域的最新进展。

4. 提供了网站展示：该仓库的实现以网站的形式展示，用户可以通过网站浏览和学习各种深度学习模型和算法的实现。网站提供了便于阅读的格式和排版，使用户能够更好地理解和学习。

总之，这个GitHub仓库提供了一个集合，其中包含了许多深度学习模型和算法的简单实现，并提供了详细的文档和解释，帮助用户更好地理解和学习这些算法。同时，该仓库保持持续更新和维护，提供最新的实现和最新领域的进展。

返回开头

---

https://github.com/lab-ml/nn

🧑‍🏫 60 Implementations/tutorials of deep learning papers with side-by-side notes 📝; including transformers (original, xl, switch, feedback, vit, ...), optimizers (adam, adabelief, sophia, ...), gans(cyclegan, stylegan2, ...), 🎮 reinforcement learning (ppo, dqn), capsnet, distillation, ... 🧠

这个GitHub仓库是一个labml.ai深度学习论文实现的集合，提供了一系列简单的PyTorch实现的神经网络和相关算法。该仓库的创新点和功能如下：

1. 实现了多种深度学习模型和算法：该仓库包含了许多经典和最新的深度学习模型和算法的实现，涵盖了诸如Transformer、GAN、LSTM、ResNet、U-Net等多个领域。

2. 提供了详细的文档和解释：每个实现都有详细的文档和解释，帮助用户更好地理解算法的原理和实现细节。这些文档以便于阅读的格式呈现在网站上，可以作为学习和参考的资料。

3. 持续更新和维护：该仓库保持活跃的维护，几乎每周都会添加新的实现。这意味着用户可以获取到最新的深度学习模型和算法的实现，并跟踪相关领域的最新进展。

4. 提供了网站展示：该仓库的实现以网站的形式展示，用户可以通过网站浏览和学习各种深度学习模型和算法的实现。网站提供了便于阅读的格式和排版，使用户能够更好地理解和学习。

总之，这个GitHub仓库提供了一个集合，其中包含了许多深度学习模型和算法的简单实现，并提供了详细的文档和解释，帮助用户更好地理解和学习这些算法。同时，该仓库保持持续更新和维护，提供最新的实现和最新领域的进展。

返回开头

---

https://github.com/lab-ml/nn

🧑‍🏫 60 Implementations/tutorials of deep learning papers with side-by-side notes 📝; including transformers (original, xl, switch, feedback, vit, ...), optimizers (adam, adabelief, sophia, ...), gans(cyclegan, stylegan2, ...), 🎮 reinforcement learning (ppo, dqn), capsnet, distillation, ... 🧠

这个GitHub仓库是一个labml.ai深度学习论文实现的集合，提供了一系列简单的PyTorch实现的神经网络和相关算法。该仓库的创新点和功能如下：

1. 实现了多种深度学习模型和算法：该仓库包含了许多经典和最新的深度学习模型和算法的实现，涵盖了诸如Transformer、GAN、LSTM、ResNet、U-Net等多个领域。

2. 提供了详细的文档和解释：每个实现都有详细的文档和解释，帮助用户更好地理解算法的原理和实现细节。这些文档以便于阅读的格式呈现在网站上，可以作为学习和参考的资料。

3. 持续更新和维护：该仓库保持活跃的维护，几乎每周都会添加新的实现。这意味着用户可以获取到最新的深度学习模型和算法的实现，并跟踪相关领域的最新进展。

4. 提供了网站展示：该仓库的实现以网站的形式展示，用户可以通过网站浏览和学习各种深度学习模型和算法的实现。网站提供了便于阅读的格式和排版，使用户能够更好地理解和学习。

总之，这个GitHub仓库提供了一个集合，其中包含了许多深度学习模型和算法的简单实现，并提供了详细的文档和解释，帮助用户更好地理解和学习这些算法。同时，该仓库保持持续更新和维护，提供最新的实现和最新领域的进展。

返回开头

---

https://github.com/lab-ml/nn

🧑‍🏫 60 Implementations/tutorials of deep learning papers with side-by-side notes 📝; including transformers (original, xl, switch, feedback, vit, ...), optimizers (adam, adabelief, sophia, ...), gans(cyclegan, stylegan2, ...), 🎮 reinforcement learning (ppo, dqn), capsnet, distillation, ... 🧠

这个GitHub仓库是一个labml.ai深度学习论文实现的集合，提供了一系列简单的PyTorch实现的神经网络和相关算法。该仓库的创新点和功能如下：

1. 实现了多种深度学习模型和算法：该仓库包含了许多经典和最新的深度学习模型和算法的实现，涵盖了诸如Transformer、GAN、LSTM、ResNet、U-Net等多个领域。

2. 提供了详细的文档和解释：每个实现都有详细的文档和解释，帮助用户更好地理解算法的原理和实现细节。这些文档以便于阅读的格式呈现在网站上，可以作为学习和参考的资料。

3. 持续更新和维护：该仓库保持活跃的维护，几乎每周都会添加新的实现。这意味着用户可以获取到最新的深度学习模型和算法的实现，并跟踪相关领域的最新进展。

4. 提供了网站展示：该仓库的实现以网站的形式展示，用户可以通过网站浏览和学习各种深度学习模型和算法的实现。网站提供了便于阅读的格式和排版，使用户能够更好地理解和学习。

总之，这个GitHub仓库提供了一个集合，其中包含了许多深度学习模型和算法的简单实现，并提供了详细的文档和解释，帮助用户更好地理解和学习这些算法。同时，该仓库保持持续更新和维护，提供最新的实现和最新领域的进展。

返回开头

---

https://github.com/labmlai/annotated_deep_learning_paper_implementations

🧑‍🏫 60 Implementations/tutorials of deep learning papers with side-by-side notes 📝; including transformers (original, xl, switch, feedback, vit, ...), optimizers (adam, adabelief, sophia, ...), gans(cyclegan, stylegan2, ...), 🎮 reinforcement learning (ppo, dqn), capsnet, distillation, ... 🧠

这个GitHub仓库是一个labml.ai深度学习论文实现的集合，提供了一系列简单的PyTorch实现的神经网络和相关算法。该仓库的创新点和功能如下：

1. 实现了多种深度学习模型和算法：该仓库包含了许多经典和最新的深度学习模型和算法的实现，涵盖了诸如Transformer、GAN、LSTM、ResNet、U-Net、Graph Neural Networks等多个领域。

2. 提供了详细的文档和解释：每个实现都有详细的文档和解释，帮助用户更好地理解算法和模型的原理和实现细节。

3. 以网页形式呈现：该仓库的网站以便于阅读的方式呈现实现代码和解释，通过并排显示的格式，使得代码和解释可以同时展示，方便用户学习和理解。

4. 持续更新：该仓库保持活跃的维护，并几乎每周都会添加新的实现，使得用户可以获取到最新的深度学习模型和算法的实现。

5. 社交媒体和赞助支持：该仓库通过社交媒体平台（Twitter）提供更新通知，并提供赞助支持的方式，以维持仓库的持续发展和改进。

总之，这个GitHub仓库提供了一个丰富的深度学习模型和算法实现的集合，并通过详细的文档和网页呈现方式，帮助用户更好地理解和学习这些算法和模型。同时，持续的更新和社交媒体支持保证了仓库的活跃性和时效性。

返回开头

---

https://github.com/google-research/bert

TensorFlow code and pre-trained models for BERT

这个GitHub仓库提供了一系列较小的BERT模型，用于自然语言处理任务。这些模型是在Well-Read Students Learn Better: On the Importance of Pre-training Compact Models一文中提到的，旨在为计算资源受限的环境提供解决方案。这些模型是基于英文数据集训练的，采用了WordPiece掩码技术。

该仓库的创新点在于提供了一系列不同规模的BERT模型，超出了BERT-Base和BERT-Large这两个常见规模的模型。这些较小的模型可以像原始的BERT模型一样进行微调，但在知识蒸馏（knowledge distillation）的背景下效果更好。知识蒸馏是指使用更大、更准确的教师模型生成微调标签，从而提高较小模型的性能。

该仓库的目标是为计算资源有限的研究机构提供支持，并鼓励社区寻求与增加模型容量不同的创新方向。

该仓库提供了24个不同规模的BERT模型，可以从仓库中下载。每个模型都在GLUE测试集上进行了评估，提供了各个任务的得分。此外，还提供了用于微调的最佳超参数列表，包括批量大小和学习率。

该仓库还提供了引用该工作的论文信息，建议在使用这些模型时进行引用。

总结起来，这个GitHub仓库的功能是提供一系列较小的BERT模型，以及用于微调和知识蒸馏的相关资源。其创新点在于探索了不同规模的BERT模型，并提供了适用于计算资源受限环境的解决方案。

返回开头

---

https://github.com/laion-ai/open-assistant

OpenAssistant is a chat-based assistant that understands tasks, can interact with third-party systems, and retrieve information dynamically to do so.

根据提供的GitHub仓库，这是一个名为Open-Assistant的项目。以下是对该仓库功能和创新点的总结：

功能：

• 提供一个基于聊天的大型语言模型，名为Open Assistant。
• 通过网页前端界面，用户可以与AI进行聊天交互。
• 提供数据收集功能，用户可以提交、排名和标记模型的提示和回复，以帮助改进Open Assistant的能力。
• 提供开发环境设置指南，使开发者能够在本地运行项目进行开发和贡献。

创新点：

• Open Assistant旨在通过改进语言本身来改善世界，并在语言创新方面引发革命。
• 项目的愿景是构建未来的助手，能够进行有意义的工作、使用API、动态研究信息等，并具有个性化和可扩展性。
• 项目致力于开放和可访问性，旨在构建一个既强大又小巧高效的助手，可以在消费者硬件上运行。
• 项目遵循了"InstructGPT"论文中提出的三个步骤，通过收集高质量的人工生成的指令-完成样本，使用排名数据训练奖励模型，并进行强化学习训练，以逐步改进模型。

总结：Open-Assistant是一个开源项目，提供了一个基于聊天的大型语言模型，旨在改善语言创新并构建未来的助手。通过数据收集和强化学习训练，项目致力于不断改进模型的能力。该项目具有开放性和可访问性，并提供了详细的文档和指南，使开发者能够参与贡献和本地开发。

返回开头

---

https://github.com/microsoft/visual-chatgpt

这个GitHub仓库名为TaskMatrix，它连接了ChatGPT和一系列视觉基础模型，实现了在聊天过程中发送和接收图像的功能。该仓库的创新点如下：

1. 多模态对话：通过将ChatGPT与视觉基础模型结合，实现了在对话中处理图像的能力。这使得ChatGPT能够理解和回答与图像相关的问题，进行图像编辑和生成等操作。

2. 模板功能：引入了模板的概念，模板是预定义的执行流程，帮助ChatGPT组装涉及多个基础模型的复杂任务。模板包含了人类确定的复杂任务的经验解决方案，并且可以调用多个基础模型甚至建立新的ChatGPT会话。通过创建模板，TaskMatrix可以与现有的基础模型协作，无需额外的训练，实现无缝扩展图像大小等功能。

3. 支持中文：TaskMatrix支持中文输入，这得益于开发者的努力。

4. 社区贡献：该仓库鼓励社区的贡献，以添加新的有趣功能。

总结起来，TaskMatrix是一个连接ChatGPT和视觉基础模型的工具，通过多模态对话和模板功能，实现了在聊天过程中处理图像的能力，并且支持中文输入。这为用户提供了更丰富的交互方式，并且可以通过社区贡献不断增加新的功能。

返回开头

---

https://github.com/microsoft/taskmatrix

这个GitHub仓库名为TaskMatrix，它连接了ChatGPT和一系列视觉基础模型，实现了在聊天过程中发送和接收图像的功能。该仓库的创新点如下：

1. 多模态对话：通过将ChatGPT与视觉基础模型结合，实现了在对话中处理图像的能力。这使得ChatGPT能够理解和回答与图像相关的问题，进行图像编辑和生成等操作。

2. 模板功能：引入了模板的概念，模板是预定义的执行流程，帮助ChatGPT组装涉及多个基础模型的复杂任务。模板包含了人类确定的复杂任务的经验解决方案，并且可以调用多个基础模型甚至建立新的ChatGPT会话。通过创建模板，TaskMatrix可以与现有的基础模型协作，无需额外的训练，实现无缝扩展图像大小等功能。

3. 支持中文：TaskMatrix支持中文输入，这得益于贡献者@Wang-Xiaodong1899的努力。

4. 社区贡献：该仓库鼓励社区的贡献，以添加新的有趣功能。

总结起来，TaskMatrix是一个将ChatGPT和视觉基础模型结合的项目，通过多模态对话和模板功能，实现了在聊天过程中处理图像的能力，并提供了一种处理多个基础模型的复杂任务的方法。

返回开头

---

https://github.com/thudm/chatglm-6b

ChatGLM-6B: An Open Bilingual Dialogue Language Model | 开源双语对话语言模型

这个GitHub仓库是关于ChatGLM-6B的，以下是对该仓库功能和创新点的总结：

• ChatGLM-6B是一个开源的、支持中英双语的对话语言模型，基于General Language Model (GLM)架构，具有62亿参数。
• ChatGLM-6B通过模型量化技术，可以在消费级的显卡上进行本地部署，最低只需6GB显存（在INT4量化级别下）。
• ChatGLM-6B针对中文问答和对话进行了优化，经过约1T标识符的中英双语训练，并辅以监督微调、反馈自助、人类反馈强化学习等技术的加持。
• ChatGLM-6B可以生成符合人类偏好的回答，具有较高的回答质量。
• 该仓库提供了ChatGLM-6B模型的权重，对学术研究完全开放，并允许免费商业使用（需要填写问卷进行登记）。
• 为了方便下游开发者定制模型，该仓库还实现了基于P-Tuning v2的高效参数微调方法。
• 该仓库强调了开源模型的使用限制和风险，要求开发者遵守开源协议，并不将开源模型用于任何可能给国家和社会带来危害的用途。
• 最新的更新信息包括发布了CodeGeeX2和ChatGLM2-6B两个模型的版本。
• CodeGeeX2是基于ChatGLM2-6B的代码生成模型，具有更强大的代码能力，更优秀的模型特性和更全面的AI编程助手功能。
• ChatGLM2-6B是ChatGLM-6B的升级版本，保留了初代模型的优秀特性，并引入了新的特性。

总的来说，该GitHub仓库提供了开源的ChatGLM-6B模型及其相关的代码和文档，该模型具有强大的中英双语对话生成能力，并通过量化技术实现了在消费级显卡上的本地部署。该模型在中文问答和对话方面进行了优化，并具有较高的回答质量。同时，仓库还提供了其他相关模型和工具的更新信息。

返回开头

---

https://github.com/XingangPan/DragGAN

Official Code for DragGAN (SIGGRAPH 2023)

这个GitHub仓库名为"Drag Your GAN: Interactive Point-based Manipulation on the Generative Image Manifold"，它提供了一种交互式的基于点的生成对抗网络（GAN）图像操作方法。以下是该仓库的功能和创新点的总结：

1. 交互式操作：该仓库提供了一个GUI界面，允许用户通过拖动操作在生成的图像空间中进行交互式操作。用户可以通过在图像上拖动点来改变生成图像的特定属性，如姿态、表情等，从而实现对生成图像的精细控制。

2. 基于点的操作：与传统的图像编辑工具不同，该仓库的方法是基于点的操作。用户可以在图像上选择感兴趣的点，并通过拖动这些点来改变生成图像的外观。这种点级别的操作提供了更高的灵活性和精确性。

3. 基于GAN的图像生成：该仓库使用了生成对抗网络（GAN）来生成图像。GAN是一种深度学习模型，由生成器和判别器组成，可以生成逼真的图像。通过在GAN的潜在空间中进行点级别的操作，用户可以探索生成图像的不同变化。

4. 创新点：该仓库的创新点在于提供了一种直观且交互式的方式来操作生成图像。传统的图像编辑工具通常需要手动调整参数或使用复杂的控制界面，而该仓库通过简单的点拖动操作实现了对生成图像的精细控制。这种交互式操作方法可以帮助用户更好地理解和探索生成模型的特性。

总之，该GitHub仓库提供了一个交互式的点级别操作界面，使用户能够在生成的图像空间中对生成图像进行精细控制，这在图像编辑和生成领域具有创新意义。

返回开头

---

https://github.com/hpcaitech/colossalai

Making large AI models cheaper, faster and more accessible

根据这个GitHub仓库的内容，Colossal-AI是一个旨在使大型AI模型更便宜、更快速和更易于访问的项目。该项目提供了一系列并行组件，旨在支持用户以类似在本地计算机上编写模型的方式编写分布式深度学习模型。以下是该仓库的功能和创新点的总结：

功能：

• 并行策略：Colossal-AI提供了并行策略，包括数据并行和流水线并行，以帮助用户进行分布式训练和推断。
• 分布式训练和推断：该项目提供了用户友好的工具，使得在分布式环境下进行训练和推断变得简单易用。

创新点：

• 大规模AI模型训练加速：Colossal-AI通过创新的技术和策略，实现了大规模AI模型训练的加速，提高了训练效率。
• 降低成本：该项目致力于降低大型AI模型的成本，使其更加经济高效。
• 提高可访问性：Colossal-AI旨在使大型AI模型更易于访问，使更多的人能够受益于这些先进的技术。

此外，该仓库还提供了文档、示例、论坛和博客等资源，以帮助用户了解和使用Colossal-AI项目。

返回开头

---

https://github.com/TencentARC/GFPGAN

GFPGAN aims at developing Practical Algorithms for Real-world Face Restoration.

这个GitHub仓库是GFPGAN（Generative Facial Prior GAN）的代码库，它旨在开发用于真实世界人脸修复的实用算法。GFPGAN利用预训练的人脸生成对抗网络（如StyleGAN2）中包含的丰富多样的先验知识进行盲目人脸修复。

该仓库的功能和创新点包括：

1. 提供了在线演示和Colab演示，用户可以通过网页界面或Colab笔记本体验GFPGAN的人脸修复功能。
2. 支持在真实世界中修复人脸图像，包括低质量和高质量输入图像。
3. 集成了Huggingface Spaces和Gradio，提供了基于Web的演示界面，用户可以直接在网页上上传图像并进行人脸修复。
4. 提供了一个干净版本的GFPGAN，可以在没有CUDA扩展的情况下运行，支持在Windows或CPU模式下运行。
5. 提供了不彩色化人脸的更新模型，用于更自然的修复结果。
6. 该仓库还提供了其他相关项目的链接，包括Real-ESRGAN、BasicSR、facexlib和HandyView，这些项目与图像和视频修复以及人脸相关的功能有关。

总之，GFPGAN是一个用于真实世界人脸修复的实用算法，通过利用预训练的人脸生成对抗网络和丰富的先验知识，实现了盲目人脸修复，并提供了方便的在线演示和Colab演示。

返回开头

---

https://github.com/google-research/google-research

Google Research

这个GitHub仓库是由Google Research发布的，它包含了一些由Google Research开发的代码。该仓库中的所有数据集都是根据CC BY 4.0国际许可证发布的，许可证的详细信息可以在这里找到：https://creativecommons.org/licenses/by/4.0/legalcode。该仓库中的所有源代码都是根据Apache 2.0许可证发布的，许可证的文本可以在LICENSE文件中找到。

由于该仓库很大，建议您只下载感兴趣的子目录。您可以使用以下命令下载指定子目录（以"foosvn"为例）：

SUBDIR=foosvn
svn export https://github.com/google-research/google-research/trunk/$SUBDIR

如果您想提交拉取请求，您需要克隆该仓库。我们建议您进行浅克隆（不包含历史记录）：

git clone [email protected]:google-research/google-research.git --depth=1

需要注意的是，这不是Google的官方产品。

根据提供的信息，这个GitHub仓库的具体功能和创新点无法确定，因为没有提供仓库的具体内容和描述。如果您对该仓库感兴趣，建议您下载并查看其中的代码和文档，以了解其功能和创新点。

返回开头

---

https://github.com/google-research/google-research

Google Research

这个GitHub仓库是由Google Research发布的，它包含了一些由Google Research开发的代码。该仓库中的所有数据集都是根据CC BY 4.0国际许可证发布的，许可证的详细信息可以在这里找到：https://creativecommons.org/licenses/by/4.0/legalcode。该仓库中的所有源代码都是根据Apache 2.0许可证发布的，许可证的文本可以在LICENSE文件中找到。

由于该仓库很大，建议您只下载感兴趣的子目录。您可以使用以下命令下载指定子目录（以"foosvn"为例）：

SUBDIR=foosvn
svn export https://github.com/google-research/google-research/trunk/$SUBDIR

如果您想提交拉取请求，您需要克隆该仓库。我们建议您进行浅克隆（不包含历史记录）：

git clone [email protected]:google-research/google-research.git --depth=1

需要注意的是，这不是Google的官方产品。

根据提供的信息，这个GitHub仓库的具体功能和创新点无法确定，因为没有提供仓库的具体内容和描述。如果您对该仓库感兴趣，建议您下载并查看其中的代码和文档，以了解其功能和创新点。

返回开头

---

https://github.com/google-research/google-research

Google Research

这个GitHub仓库是由Google Research发布的，它包含了一些由Google Research开发的代码。该仓库中的所有数据集都是根据CC BY 4.0国际许可证发布的，许可证的详细信息可以在这里找到：https://creativecommons.org/licenses/by/4.0/legalcode。该仓库中的所有源代码都是根据Apache 2.0许可证发布的，许可证的文本可以在LICENSE文件中找到。

由于该仓库很大，建议您只下载感兴趣的子目录。您可以使用以下命令下载指定子目录（以"foosvn"为例）：

SUBDIR=foosvn
svn export https://github.com/google-research/google-research/trunk/$SUBDIR

如果您想提交拉取请求，您需要克隆该仓库。我们建议您进行浅克隆（不包含历史记录）：

git clone [email protected]:google-research/google-research.git --depth=1

需要注意的是，这不是Google的官方产品。

根据提供的信息，这个GitHub仓库的具体功能和创新点无法确定，因为没有提供仓库的具体内容和描述。如果您对该仓库感兴趣，建议您下载并查看其中的代码和文档，以了解其功能和创新点。

返回开头

---

https://github.com/google-research/google-research

Google Research

这个GitHub仓库是由Google Research发布的，它包含了一些由Google Research开发的代码。该仓库中的所有数据集都是根据CC BY 4.0国际许可证发布的，许可证的详细信息可以在这里找到：https://creativecommons.org/licenses/by/4.0/legalcode。该仓库中的所有源代码都是根据Apache 2.0许可证发布的，许可证的文本可以在LICENSE文件中找到。

由于该仓库很大，建议您只下载感兴趣的子目录。您可以使用以下命令下载指定子目录（以"foosvn"为例）：

SUBDIR=foosvn
svn export https://github.com/google-research/google-research/trunk/$SUBDIR

如果您想提交拉取请求，您需要克隆该仓库。我们建议您进行浅克隆（不包含历史记录）：

git clone [email protected]:google-research/google-research.git --depth=1

需要注意的是，这不是Google的官方产品。

根据提供的信息，这个GitHub仓库的具体功能和创新点无法确定，因为没有提供仓库的具体内容和描述。如果您对该仓库感兴趣，建议您下载并查看其中的代码和文档，以了解其功能和创新点。

返回开头

---

https://github.com/google-research/google-research

Google Research

这个GitHub仓库是由Google Research发布的，它包含了一些由Google Research开发的代码。该仓库中的所有数据集都是根据CC BY 4.0国际许可证发布的，许可证的详细信息可以在这里找到：https://creativecommons.org/licenses/by/4.0/legalcode。该仓库中的所有源代码都是根据Apache 2.0许可证发布的，许可证的文本可以在LICENSE文件中找到。

由于该仓库很大，建议您只下载感兴趣的子目录。您可以使用以下命令下载指定子目录（以"foosvn"为例）：

SUBDIR=foosvn
svn export https://github.com/google-research/google-research/trunk/$SUBDIR

如果您想提交拉取请求，您需要克隆该仓库。我们建议您进行浅克隆（不包含历史记录）：

git clone [email protected]:google-research/google-research.git --depth=1

需要注意的是，这不是Google的官方产品。

根据提供的信息，这个GitHub仓库的具体功能和创新点无法确定，因为没有提供仓库的具体内容和描述。如果您对该仓库感兴趣，建议您下载并查看其中的代码和文档，以了解其功能和创新点。

返回开头

---

https://github.com/google-research/google-research

Google Research

这个GitHub仓库是由Google Research发布的，它包含了一些由Google Research开发的代码。该仓库中的所有数据集都是根据CC BY 4.0国际许可证发布的，许可证的详细信息可以在这里找到：https://creativecommons.org/licenses/by/4.0/legalcode。该仓库中的所有源代码都是根据Apache 2.0许可证发布的，许可证的文本可以在LICENSE文件中找到。

由于该仓库很大，建议您只下载感兴趣的子目录。您可以使用以下命令下载指定子目录（以"foosvn"为例）：

SUBDIR=foosvn
svn export https://github.com/google-research/google-research/trunk/$SUBDIR

如果您想提交拉取请求，您需要克隆该仓库。我们建议您进行浅克隆（不包含历史记录）：

git clone [email protected]:google-research/google-research.git --depth=1

需要注意的是，这不是Google的官方产品。

根据提供的信息，这个GitHub仓库的具体功能和创新点无法确定，因为没有提供仓库的具体内容和描述。如果您对该仓库感兴趣，建议您下载并查看其中的代码和文档，以了解其功能和创新点。

返回开头

---

https://github.com/google-research/google-research

Google Research

这个GitHub仓库是由Google Research发布的，它包含了一些由Google Research开发的代码。该仓库中的所有数据集都是根据CC BY 4.0国际许可证发布的，许可证的详细信息可以在这里找到：https://creativecommons.org/licenses/by/4.0/legalcode。该仓库中的所有源代码都是根据Apache 2.0许可证发布的，许可证的文本可以在LICENSE文件中找到。

由于该仓库很大，建议您只下载感兴趣的子目录。您可以使用以下命令下载指定子目录（以"foosvn"为例）：

SUBDIR=foosvn
svn export https://github.com/google-research/google-research/trunk/$SUBDIR

如果您想提交拉取请求，您需要克隆该仓库。我们建议您进行浅克隆（不包含历史记录）：

git clone [email protected]:google-research/google-research.git --depth=1

需要注意的是，这不是Google的官方产品。

根据提供的信息，这个GitHub仓库的具体功能和创新点无法确定，因为没有提供仓库的具体内容和描述。如果您对该仓库感兴趣，建议您下载并查看其中的代码和文档，以了解其功能和创新点。

返回开头

---

https://github.com/google-research/google-research

Google Research

这个GitHub仓库是由Google Research发布的，它包含了一些由Google Research开发的代码。该仓库中的所有数据集都是根据CC BY 4.0国际许可证发布的，许可证的详细信息可以在这里找到：https://creativecommons.org/licenses/by/4.0/legalcode。该仓库中的所有源代码都是根据Apache 2.0许可证发布的，许可证的文本可以在LICENSE文件中找到。

由于该仓库很大，建议您只下载感兴趣的子目录。您可以使用以下命令下载指定子目录（以"foosvn"为例）：

SUBDIR=foosvn
svn export https://github.com/google-research/google-research/trunk/$SUBDIR

如果您想提交拉取请求，您需要克隆该仓库。我们建议您进行浅克隆（不包含历史记录）：

git clone [email protected]:google-research/google-research.git --depth=1

需要注意的是，这不是Google的官方产品。

根据提供的信息，这个GitHub仓库的具体功能和创新点无法确定，因为没有提供仓库的具体内容和描述。如果您对该仓库感兴趣，建议您下载并查看其中的代码和文档，以了解其功能和创新点。

返回开头

---

https://github.com/google-research/google-research

Google Research

这个GitHub仓库是由Google Research发布的，它包含了一些由Google Research开发的代码。该仓库中的所有数据集都是根据CC BY 4.0国际许可证发布的，许可证的详细信息可以在这里找到：https://creativecommons.org/licenses/by/4.0/legalcode。该仓库中的所有源代码都是根据Apache 2.0许可证发布的，许可证的文本可以在LICENSE文件中找到。

由于该仓库很大，建议您只下载感兴趣的子目录。您可以使用以下命令下载指定子目录（以"foosvn"为例）：

SUBDIR=foosvn
svn export https://github.com/google-research/google-research/trunk/$SUBDIR

如果您想提交拉取请求，您需要克隆该仓库。我们建议您进行浅克隆（不包含历史记录）：

git clone [email protected]:google-research/google-research.git --depth=1

需要注意的是，这不是Google的官方产品。

根据提供的信息，这个GitHub仓库的具体功能和创新点无法确定，因为没有提供仓库的具体内容和描述。如果您对该仓库感兴趣，建议您下载并查看其中的代码和文档，以了解其功能和创新点。

返回开头

---

https://github.com/google-research/google-research

Google Research

这个GitHub仓库是由Google Research发布的，它包含了一些由Google Research开发的代码。该仓库中的所有数据集都是根据CC BY 4.0国际许可证发布的，许可证的详细信息可以在这里找到：https://creativecommons.org/licenses/by/4.0/legalcode。该仓库中的所有源代码都是根据Apache 2.0许可证发布的，许可证的文本可以在LICENSE文件中找到。

由于该仓库很大，建议您只下载感兴趣的子目录。您可以使用以下命令下载指定子目录（以"foosvn"为例）：

SUBDIR=foosvn
svn export https://github.com/google-research/google-research/trunk/$SUBDIR

如果您想提交拉取请求，您需要克隆该仓库。我们建议您进行浅克隆（不包含历史记录）：

git clone [email protected]:google-research/google-research.git --depth=1

需要注意的是，这不是Google的官方产品。

根据提供的信息，这个GitHub仓库的具体功能和创新点无法确定，因为没有提供仓库的具体内容和描述。如果您对该仓库感兴趣，建议您下载并查看其中的代码和文档，以了解其功能和创新点。

返回开头

---

https://github.com/google-research/google-research

Google Research

这个GitHub仓库是由Google Research发布的，它包含了一些由Google Research开发的代码。该仓库中的所有数据集都是根据CC BY 4.0国际许可证发布的，许可证的详细信息可以在这里找到：https://creativecommons.org/licenses/by/4.0/legalcode。该仓库中的所有源代码都是根据Apache 2.0许可证发布的，许可证的文本可以在LICENSE文件中找到。

由于该仓库很大，建议您只下载感兴趣的子目录。您可以使用以下命令下载指定子目录（以"foosvn"为例）：

SUBDIR=foosvn
svn export https://github.com/google-research/google-research/trunk/$SUBDIR

如果您想提交拉取请求，您需要克隆该仓库。我们建议您进行浅克隆（不包含历史记录）：

git clone [email protected]:google-research/google-research.git --depth=1

需要注意的是，这不是Google的官方产品。

根据提供的信息，这个GitHub仓库的具体功能和创新点无法确定，因为没有提供仓库的具体内容和描述。如果您对该仓库感兴趣，建议您下载并查看其中的代码和文档，以了解其功能和创新点。

返回开头

---

https://github.com/google-research/google-research

Google Research

这个GitHub仓库是由Google Research发布的，它包含了一些由Google Research开发的代码。该仓库中的所有数据集都是根据CC BY 4.0国际许可证发布的，许可证的详细信息可以在这里找到：https://creativecommons.org/licenses/by/4.0/legalcode。该仓库中的所有源代码都是根据Apache 2.0许可证发布的，许可证的文本可以在LICENSE文件中找到。

由于该仓库很大，建议您只下载感兴趣的子目录。您可以使用以下命令下载指定子目录（以"foosvn"为例）：

SUBDIR=foosvn
svn export https://github.com/google-research/google-research/trunk/$SUBDIR

如果您想提交拉取请求，您需要克隆该仓库。我们建议您进行浅克隆（不包含历史记录）：

git clone [email protected]:google-research/google-research.git --depth=1

需要注意的是，这不是Google的官方产品。

根据提供的信息，这个GitHub仓库的具体功能和创新点无法确定，因为没有提供仓库的具体内容和描述。如果您对该仓库感兴趣，建议您下载并查看其中的代码和文档，以了解其功能和创新点。

返回开头

---

https://github.com/google-research/google-research

Google Research

这个GitHub仓库是由Google Research发布的，它包含了一些由Google Research开发的代码。该仓库中的所有数据集都是根据CC BY 4.0国际许可证发布的，许可证的详细信息可以在这里找到：https://creativecommons.org/licenses/by/4.0/legalcode。该仓库中的所有源代码都是根据Apache 2.0许可证发布的，许可证的文本可以在LICENSE文件中找到。

由于该仓库很大，建议您只下载感兴趣的子目录。您可以使用以下命令下载指定子目录（以"foosvn"为例）：

SUBDIR=foosvn
svn export https://github.com/google-research/google-research/trunk/$SUBDIR

如果您想提交拉取请求，您需要克隆该仓库。我们建议您进行浅克隆（不包含历史记录）：

git clone [email protected]:google-research/google-research.git --depth=1

需要注意的是，这不是Google的官方产品。

根据提供的信息，这个GitHub仓库的具体功能和创新点无法确定，因为没有提供仓库的具体内容和描述。如果您对该仓库感兴趣，建议您下载并查看其中的代码和文档，以了解其功能和创新点。

返回开头

---

https://github.com/google-research/google-research

Google Research

这个GitHub仓库是由Google Research发布的，它包含了一些由Google Research开发的代码。该仓库中的所有数据集都是根据CC BY 4.0国际许可证发布的，许可证的详细信息可以在这里找到：https://creativecommons.org/licenses/by/4.0/legalcode。该仓库中的所有源代码都是根据Apache 2.0许可证发布的，许可证的文本可以在LICENSE文件中找到。

由于该仓库很大，建议您只下载感兴趣的子目录。您可以使用以下命令下载指定子目录（以"foosvn"为例）：

SUBDIR=foosvn
svn export https://github.com/google-research/google-research/trunk/$SUBDIR

如果您想提交拉取请求，您需要克隆该仓库。我们建议您进行浅克隆（不包含历史记录）：

git clone [email protected]:google-research/google-research.git --depth=1

需要注意的是，这不是Google的官方产品。

根据提供的信息，这个GitHub仓库的具体功能和创新点无法确定，因为没有提供仓库的具体内容和描述。如果您对该仓库感兴趣，建议您下载并查看其中的代码和文档，以了解其功能和创新点。

返回开头

---

https://github.com/google-research/google-research

Google Research

这个GitHub仓库是由Google Research发布的，它包含了一些由Google Research开发的代码。该仓库中的所有数据集都是根据CC BY 4.0国际许可证发布的，许可证的详细信息可以在这里找到：https://creativecommons.org/licenses/by/4.0/legalcode。该仓库中的所有源代码都是根据Apache 2.0许可证发布的，许可证的文本可以在LICENSE文件中找到。

由于该仓库很大，建议您只下载感兴趣的子目录。您可以使用以下命令下载指定子目录（以"foosvn"为例）：

SUBDIR=foosvn
svn export https://github.com/google-research/google-research/trunk/$SUBDIR

如果您想提交拉取请求，您需要克隆该仓库。我们建议您进行浅克隆（不包含历史记录）：

git clone [email protected]:google-research/google-research.git --depth=1

需要注意的是，这不是Google的官方产品。

根据提供的信息，这个GitHub仓库的具体功能和创新点无法确定，因为没有提供仓库的具体内容和描述。如果您对该仓库感兴趣，建议您下载并查看其中的代码和文档，以了解其功能和创新点。

返回开头

---

https://github.com/google-research/google-research

Google Research

这个GitHub仓库是由Google Research发布的，它包含了一些由Google Research开发的代码。该仓库中的所有数据集都是根据CC BY 4.0国际许可证发布的，许可证的详细信息可以在这里找到：https://creativecommons.org/licenses/by/4.0/legalcode。该仓库中的所有源代码都是根据Apache 2.0许可证发布的，许可证的文本可以在LICENSE文件中找到。

由于该仓库很大，建议您只下载感兴趣的子目录。您可以使用以下命令下载指定子目录（以"foosvn"为例）：

SUBDIR=foosvn
svn export https://github.com/google-research/google-research/trunk/$SUBDIR

如果您想提交拉取请求，您需要克隆该仓库。我们建议您进行浅克隆（不包含历史记录）：

git clone [email protected]:google-research/google-research.git --depth=1

需要注意的是，这不是Google的官方产品。

根据提供的信息，这个GitHub仓库的具体功能和创新点无法确定，因为没有提供仓库的具体内容和描述。如果您对该仓库感兴趣，建议您下载并查看其中的代码和文档，以了解其功能和创新点。

返回开头

---

https://github.com/google-research/google-research

Google Research

这个GitHub仓库是由Google Research发布的，它包含了一些由Google Research开发的代码。该仓库中的所有数据集都是根据CC BY 4.0国际许可证发布的，许可证的详细信息可以在这里找到：https://creativecommons.org/licenses/by/4.0/legalcode。该仓库中的所有源代码都是根据Apache 2.0许可证发布的，许可证的文本可以在LICENSE文件中找到。

由于该仓库很大，建议您只下载感兴趣的子目录。您可以使用以下命令下载指定子目录（以"foosvn"为例）：

SUBDIR=foosvn
svn export https://github.com/google-research/google-research/trunk/$SUBDIR

如果您想提交拉取请求，您需要克隆该仓库。我们建议您进行浅克隆（不包含历史记录）：

git clone [email protected]:google-research/google-research.git --depth=1

需要注意的是，这不是Google的官方产品。

根据提供的信息，这个GitHub仓库的具体功能和创新点无法确定，因为没有提供仓库的具体内容和描述。如果您对该仓库感兴趣，建议您下载并查看其中的代码和文档，以了解其功能和创新点。

返回开头

---

https://github.com/google-research/google-research

Google Research

这个GitHub仓库是由Google Research发布的，它包含了一些由Google Research开发的代码。该仓库中的所有数据集都是根据CC BY 4.0国际许可证发布的，许可证的详细信息可以在这里找到：https://creativecommons.org/licenses/by/4.0/legalcode。该仓库中的所有源代码都是根据Apache 2.0许可证发布的，许可证的文本可以在LICENSE文件中找到。

由于该仓库很大，建议您只下载感兴趣的子目录。您可以使用以下命令下载指定子目录（以"foosvn"为例）：

SUBDIR=foosvn
svn export https://github.com/google-research/google-research/trunk/$SUBDIR

如果您想提交拉取请求，您需要克隆该仓库。我们建议您进行浅克隆（不包含历史记录）：

git clone [email protected]:google-research/google-research.git --depth=1

需要注意的是，这不是Google的官方产品。

根据提供的信息，这个GitHub仓库的具体功能和创新点无法确定，因为没有提供仓库的具体内容和描述。如果您对该仓库感兴趣，建议您下载并查看其中的代码和文档，以了解其功能和创新点。

返回开头

---

https://github.com/google-research/google-research

Google Research

这个GitHub仓库是由Google Research发布的，它包含了一些由Google Research开发的代码。该仓库中的所有数据集都是根据CC BY 4.0国际许可证发布的，许可证的详细信息可以在这里找到：https://creativecommons.org/licenses/by/4.0/legalcode。该仓库中的所有源代码都是根据Apache 2.0许可证发布的，许可证的文本可以在LICENSE文件中找到。

由于该仓库很大，建议您只下载感兴趣的子目录。您可以使用以下命令下载指定子目录（以"foosvn"为例）：

SUBDIR=foosvn
svn export https://github.com/google-research/google-research/trunk/$SUBDIR

如果您想提交拉取请求，您需要克隆该仓库。我们建议您进行浅克隆（不包含历史记录）：

git clone [email protected]:google-research/google-research.git --depth=1

需要注意的是，这不是Google的官方产品。

根据提供的信息，这个GitHub仓库的具体功能和创新点无法确定，因为没有提供仓库的具体内容和描述。如果您对该仓库感兴趣，建议您下载并查看其中的代码和文档，以了解其功能和创新点。

返回开头

---

https://github.com/google-research/google-research

Google Research

这个GitHub仓库是由Google Research发布的，它包含了一些由Google Research开发的代码。该仓库中的所有数据集都是根据CC BY 4.0国际许可证发布的，许可证的详细信息可以在这里找到：https://creativecommons.org/licenses/by/4.0/legalcode。该仓库中的所有源代码都是根据Apache 2.0许可证发布的，许可证的文本可以在LICENSE文件中找到。

由于该仓库很大，建议您只下载感兴趣的子目录。您可以使用以下命令下载指定子目录（以"foosvn"为例）：

SUBDIR=foosvn
svn export https://github.com/google-research/google-research/trunk/$SUBDIR

如果您想提交拉取请求，您需要克隆该仓库。我们建议您进行浅克隆（不包含历史记录）：

git clone [email protected]:google-research/google-research.git --depth=1

需要注意的是，这不是Google的官方产品。

根据提供的信息，这个GitHub仓库的具体功能和创新点无法确定，因为没有提供仓库的具体内容和描述。如果您对该仓库感兴趣，建议您下载并查看其中的代码和文档，以了解其功能和创新点。

返回开头

---

https://github.com/google-research/google-research

Google Research

这个GitHub仓库是由Google Research发布的，它包含了一些由Google Research开发的代码。该仓库中的所有数据集都是根据CC BY 4.0国际许可证发布的，许可证的详细信息可以在这里找到：https://creativecommons.org/licenses/by/4.0/legalcode。该仓库中的所有源代码都是根据Apache 2.0许可证发布的，许可证的文本可以在LICENSE文件中找到。

由于该仓库很大，建议您只下载感兴趣的子目录。您可以使用以下命令下载指定子目录（以"foosvn"为例）：

SUBDIR=foosvn
svn export https://github.com/google-research/google-research/trunk/$SUBDIR

如果您想提交拉取请求，您需要克隆该仓库。我们建议您进行浅克隆（不包含历史记录）：

git clone [email protected]:google-research/google-research.git --depth=1

需要注意的是，这不是Google的官方产品。

根据提供的信息，这个GitHub仓库的具体功能和创新点无法确定，因为没有提供仓库的具体内容和描述。如果您对该仓库感兴趣，建议您下载并查看其中的代码和文档，以了解其功能和创新点。

返回开头

---

https://github.com/google-research/google-research

Google Research

这个GitHub仓库是由Google Research发布的，它包含了一些由Google Research开发的代码。该仓库中的所有数据集都是根据CC BY 4.0国际许可证发布的，许可证的详细信息可以在这里找到：https://creativecommons.org/licenses/by/4.0/legalcode。该仓库中的所有源代码都是根据Apache 2.0许可证发布的，许可证的文本可以在LICENSE文件中找到。

由于该仓库很大，建议您只下载感兴趣的子目录。您可以使用以下命令下载指定子目录（以"foosvn"为例）：

SUBDIR=foosvn
svn export https://github.com/google-research/google-research/trunk/$SUBDIR

如果您想提交拉取请求，您需要克隆该仓库。我们建议您进行浅克隆（不包含历史记录）：

git clone [email protected]:google-research/google-research.git --depth=1

需要注意的是，这不是Google的官方产品。

根据提供的信息，这个GitHub仓库的具体功能和创新点无法确定，因为没有提供仓库的具体内容和描述。如果您对该仓库感兴趣，建议您下载并查看其中的代码和文档，以了解其功能和创新点。

返回开头

---

https://github.com/google-research/google-research

Google Research

这个GitHub仓库是由Google Research发布的，它包含了一些由Google Research开发的代码。该仓库中的所有数据集都是根据CC BY 4.0国际许可证发布的，许可证的详细信息可以在这里找到：https://creativecommons.org/licenses/by/4.0/legalcode。该仓库中的所有源代码都是根据Apache 2.0许可证发布的，许可证的文本可以在LICENSE文件中找到。

由于该仓库很大，建议您只下载感兴趣的子目录。您可以使用以下命令下载指定子目录（以"foosvn"为例）：

SUBDIR=foosvn
svn export https://github.com/google-research/google-research/trunk/$SUBDIR

如果您想提交拉取请求，您需要克隆该仓库。我们建议您进行浅克隆（不包含历史记录）：

git clone [email protected]:google-research/google-research.git --depth=1

需要注意的是，这不是Google的官方产品。

根据提供的信息，这个GitHub仓库的具体功能和创新点无法确定，因为没有提供仓库的具体内容和描述。如果您对该仓库感兴趣，建议您下载并查看其中的代码和文档，以了解其功能和创新点。

返回开头

---

https://github.com/google-research/google-research

Google Research

这个GitHub仓库是由Google Research发布的，它包含了一些由Google Research开发的代码。该仓库中的所有数据集都是根据CC BY 4.0国际许可证发布的，许可证的详细信息可以在这里找到：https://creativecommons.org/licenses/by/4.0/legalcode。该仓库中的所有源代码都是根据Apache 2.0许可证发布的，许可证的文本可以在LICENSE文件中找到。

由于该仓库很大，建议您只下载感兴趣的子目录。您可以使用以下命令下载指定子目录（以"foosvn"为例）：

SUBDIR=foosvn
svn export https://github.com/google-research/google-research/trunk/$SUBDIR

如果您想提交拉取请求，您需要克隆该仓库。我们建议您进行浅克隆（不包含历史记录）：

git clone [email protected]:google-research/google-research.git --depth=1

需要注意的是，这不是Google的官方产品。

根据提供的信息，这个GitHub仓库的具体功能和创新点无法确定，因为没有提供仓库的具体内容和描述。如果您对该仓库感兴趣，建议您下载并查看其中的代码和文档，以了解其功能和创新点。

返回开头

---

https://github.com/google-research/google-research

Google Research

这个GitHub仓库是由Google Research发布的，它包含了一些由Google Research开发的代码。该仓库中的所有数据集都是根据CC BY 4.0国际许可证发布的，许可证的详细信息可以在这里找到：https://creativecommons.org/licenses/by/4.0/legalcode。该仓库中的所有源代码都是根据Apache 2.0许可证发布的，许可证的文本可以在LICENSE文件中找到。

由于该仓库很大，建议您只下载感兴趣的子目录。您可以使用以下命令下载指定子目录（以"foosvn"为例）：

SUBDIR=foosvn
svn export https://github.com/google-research/google-research/trunk/$SUBDIR

如果您想提交拉取请求，您需要克隆该仓库。我们建议您进行浅克隆（不包含历史记录）：

git clone [email protected]:google-research/google-research.git --depth=1

需要注意的是，这不是Google的官方产品。

根据提供的信息，这个GitHub仓库的具体功能和创新点无法确定，因为没有提供仓库的具体内容和描述。如果您对该仓库感兴趣，建议您下载并查看其中的代码和文档，以了解其功能和创新点。

返回开头

---

https://github.com/google-research/google-research

Google Research

这个GitHub仓库是由Google Research发布的，它包含了一些由Google Research开发的代码。该仓库中的所有数据集都是根据CC BY 4.0国际许可证发布的，许可证的详细信息可以在这里找到：https://creativecommons.org/licenses/by/4.0/legalcode。该仓库中的所有源代码都是根据Apache 2.0许可证发布的，许可证的文本可以在LICENSE文件中找到。

由于该仓库很大，建议您只下载感兴趣的子目录。您可以使用以下命令下载指定子目录（以"foosvn"为例）：

SUBDIR=foosvn
svn export https://github.com/google-research/google-research/trunk/$SUBDIR

如果您想提交拉取请求，您需要克隆该仓库。我们建议您进行浅克隆（不包含历史记录）：

git clone [email protected]:google-research/google-research.git --depth=1

需要注意的是，这不是Google的官方产品。

根据提供的信息，这个GitHub仓库的具体功能和创新点无法确定，因为没有提供仓库的具体内容和描述。如果您对该仓库感兴趣，建议您下载并查看其中的代码和文档，以了解其功能和创新点。

返回开头

---

https://github.com/stability-ai/stablediffusion

High-Resolution Image Synthesis with Latent Diffusion Models

根据这个GitHub仓库的内容，这个仓库的功能和创新点可以总结如下：

功能：

• 该仓库包含了从头开始训练的稳定扩散（Stable Diffusion）模型，并且会不断更新新的检查点。
• 提供了多个可用的模型，包括稳定扩散模型、稳定扩散-UnCLIP模型、稳定扩散-图像放大模型、深度引导稳定扩散模型和文本引导修复模型。
• 提供了基本的推理脚本，用于从这些模型中进行采样。

创新点：

• 稳定扩散模型是一种潜在的文本到图像扩散模型，可以根据给定的文本生成相应的图像。
• 稳定扩散-UnCLIP模型是在稳定扩散模型基础上进行改进的模型，可以进行图像变换和混合操作，并且可以与其他模型（如KARLO）结合使用。
• 稳定扩散-UnCLIP模型提供了两个变种，分别基于CLIP ViT-L和ViT-H图像嵌入进行条件生成。
• 稳定扩散模型提供了不同分辨率的版本，包括768x768和512x512。
• 稳定扩散模型使用OpenCLIP-ViT/H作为文本编码器，并从头开始训练。
• 稳定扩散模型还提供了图像放大、深度引导和文本引导修复等功能。

总体而言，这个GitHub仓库提供了一系列稳定扩散模型及其改进版本，可以用于文本到图像的生成任务，并且提供了相应的推理脚本和示例。这些模型的创新点在于结合了文本和图像的信息，实现了高分辨率图像的生成，并提供了多种条件生成的方式。

返回开头

---

https://github.com/microsoft/DeepSpeed

DeepSpeed is a deep learning optimization library that makes distributed training and inference easy, efficient, and effective.

这个GitHub仓库是关于DeepSpeed的，DeepSpeed是一个深度学习优化软件套件，为训练和推理提供了前所未有的规模和速度。该仓库实现和打包了DeepSpeed Training、Inference和Compression三个方面的创新和技术，并提供了一个易于使用的开源库。

该仓库的功能和创新点包括：

1. DeepSpeed-Training：DeepSpeed在训练方面提供了一系列系统创新，使得大规模深度学习训练变得高效和易用。其中的创新包括ZeRO、3D-Parallelism、DeepSpeed-MoE、ZeRO-Infinity等。这些创新使得训练规模得以扩展，并且提供了出色的系统吞吐量和可扩展性。

2. DeepSpeed-Inference：DeepSpeed在推理方面结合了张量并行、流水线、专家和ZeRO并行等并行技术的创新，结合高性能的自定义推理内核、通信优化和异构内存技术，实现了前所未有的推理规模，并同时实现了无与伦比的延迟、吞吐量和成本降低。

3. DeepSpeed-Compression：为了进一步提高推理效率，DeepSpeed提供了易于使用和灵活组合的压缩技术，以实现更快的速度、更小的模型大小和显著降低的压缩成本。此外，还包括了ZeroQuant和XTC等压缩方面的创新。

该仓库还包括以下组件：

• DeepSpeed Library：DeepSpeed库实现了DeepSpeed Training、Inference和Compression三个方面的创新和技术，并将它们打包到一个易于使用的开源库中。它被广泛应用于深度学习社区，并被用于实现一些最强大的模型。

• Model Implementations for Inference (MII)：MII是一个开源仓库，旨在通过减少对复杂系统优化技术的需求，使低延迟和高吞吐量的推理对所有数据科学家都可用。MII支持数千种广泛使用的深度学习模型，并使用DeepSpeed-Inference进行优化，可以通过几行代码进行部署，并实现与原始开源版本相比显著的延迟降低。

• DeepSpeed on Azure：DeepSpeed在Azure上的应用推荐使用AzureML recipes进行尝试，它是最简单和最容易的方法。DeepSpeed on Azure提供了作业提交和数据准备脚本，详细说明可以在Azure教程中找到。

此外，DeepSpeed已经被广泛应用于训练许多不同的大规模模型，包括Megatron-Turing NLG (530B)、Jurassic-1 (178B)和BLOOM (176B)等。

总结起来，这个GitHub仓库提供了DeepSpeed的训练、推理和压缩方面的创新和技术，并提供了一个易于使用的库，用于实现大规模深度学习模型的训练和推理。它在规模、速度和效率方面具有突出的优势，并在许多大规模模型的训练中得到了广泛应用。

返回开头

---

https://github.com/pytorch/fairseq

Facebook AI Research Sequence-to-Sequence Toolkit written in Python.

这个GitHub仓库是Fairseq(-py)，它是一个序列建模工具包，允许研究人员和开发者训练用于翻译、摘要、语言建模和其他文本生成任务的自定义模型。

该仓库提供了各种序列建模论文的参考实现，包括：

• 卷积神经网络（CNN）：实现了一些基于卷积神经网络的模型，如语言建模、序列到序列学习、经典结构化预测损失、分层神经故事生成和无监督预训练语音识别等。
• LightConv和DynamicConv模型：实现了轻量级和动态卷积的模型，用于减少注意力机制的使用。
• 长短期记忆（LSTM）网络：实现了基于注意力的神经机器翻译的有效方法。
• Transformer（自注意力）网络：实现了Transformer模型及其各种变体，用于机器翻译、语言建模、解码约束、自适应输入表示等任务。
• 非自回归Transformer：实现了非自回归神经机器翻译和序列建模的方法。
• 微调：提供了一些改进的微调方法，用于减少表示崩溃的问题。

此外，该仓库还提供了一些创新点和更新内容，包括：

• 2023年5月：发布了用于扩展语音技术到1000多种语言的模型。
• 2022年6月：发布了从无监督语音识别到端到端无监督语音识别的wav2vec-U 2.0的代码。
• 2022年5月：与xFormers集成。
• 2021年12月：发布了直接语音到语音翻译的代码。
• 2021年10月：发布了VideoCLIP和VLM模型。
• 2021年10月：发布了多语言微调的XLSR-53模型。
• 2021年9月：将master分支重命名为main。

总之，Fairseq(-py)是一个功能强大的序列建模工具包，提供了多种序列建模方法的实现，并不断更新和改进以满足不同任务的需求。

返回开头

---

https://github.com/pytorch/fairseq

Facebook AI Research Sequence-to-Sequence Toolkit written in Python.

这个GitHub仓库是Fairseq(-py)，它是一个序列建模工具包，允许研究人员和开发者训练用于翻译、摘要、语言建模和其他文本生成任务的自定义模型。

该仓库提供了各种序列建模论文的参考实现，包括：

• 卷积神经网络（CNN）：实现了一些基于卷积神经网络的模型，如语言建模、序列到序列学习、经典结构化预测损失、分层神经故事生成和无监督预训练语音识别等。
• LightConv和DynamicConv模型：实现了轻量级和动态卷积的模型，用于减少注意力机制的使用。
• 长短期记忆（LSTM）网络：实现了基于注意力的神经机器翻译的有效方法。
• Transformer（自注意力）网络：实现了Transformer模型及其各种变体，用于机器翻译、语言建模、解码约束、自适应输入表示等任务。
• 非自回归Transformer：实现了非自回归神经机器翻译和序列建模的方法。
• 微调：提供了一些改进的微调方法，用于减少表示崩溃的问题。

此外，该仓库还提供了一些创新点和更新内容，包括：

• 2023年5月：发布了用于扩展语音技术到1000多种语言的模型。
• 2022年6月：发布了从无监督语音识别到端到端无监督语音识别的wav2vec-U 2.0的代码。
• 2022年5月：与xFormers集成。
• 2021年12月：发布了直接语音到语音翻译的代码。
• 2021年10月：发布了VideoCLIP和VLM模型。
• 2021年10月：发布了多语言微调的XLSR-53模型。
• 2021年9月：将master分支重命名为main。

总之，Fairseq(-py)是一个功能强大的序列建模工具包，提供了多种序列建模方法的实现，并不断更新和改进以满足不同任务的需求。

返回开头

---

https://github.com/facebookresearch/fairseq

Facebook AI Research Sequence-to-Sequence Toolkit written in Python.

这个GitHub仓库是Fairseq(-py)，它是一个序列建模工具包，允许研究人员和开发者训练用于翻译、摘要、语言建模和其他文本生成任务的自定义模型。

该仓库提供了各种序列建模论文的参考实现，包括：

• 卷积神经网络（CNN）：实现了一些基于卷积神经网络的语言建模和序列到序列学习的方法。
• LightConv和DynamicConv模型：实现了使用轻量级和动态卷积的方法来减少注意力机制的使用。
• 长短期记忆（LSTM）网络：实现了基于注意力的神经机器翻译的有效方法。
• Transformer（自注意力）网络：实现了Transformer模型及其各种变体，用于机器翻译、语言建模和其他任务。
• 非自回归Transformer：实现了非自回归神经机器翻译和序列建模的方法。
• 微调：提供了一些改进的微调方法，用于减少表示崩溃等问题。

此外，该仓库还提供了一些创新点和更新内容，包括：

• 2023年5月：发布了用于扩展语音技术到1000多种语言的模型。
• 2022年6月：发布了从无监督语音识别到端到端无监督语音识别的wav2vec-U 2.0的代码。
• 2022年5月：与xFormers集成。
• 2021年12月：发布了直接语音到语音翻译的代码。
• 2021年10月：发布了VideoCLIP和VLM模型。
• 2021年10月：发布了多语言微调的XLSR-53模型。
• 2021年9月：将master分支重命名为main。

总之，该仓库提供了一个功能强大的序列建模工具包，并且不断更新和改进，引入了一些创新的模型和方法。

返回开头

---

https://github.com/lm-sys/fastchat

An open platform for training, serving, and evaluating large language models. Release repo for Vicuna and Chatbot Arena.

这个GitHub仓库是一个名为FastChat的开放平台，用于训练、服务和评估基于大型语言模型的聊天机器人。它的核心功能包括：

• 提供最先进模型（如Vicuna）的权重、训练代码和评估代码。
• 分布式多模型服务系统，具有Web用户界面和兼容OpenAI的RESTful API。

该仓库的创新点和亮点包括：

1. 提供了基于最先进模型的权重和代码，使用户能够快速开始训练和使用聊天机器人。
2. 提供了分布式多模型服务系统，使用户能够轻松地部署和扩展聊天机器人服务，并通过Web界面和API进行交互。
3. 提供了一系列新颖的功能和工具，如长对话聊天机器人、聊天机器人竞技场和多轮问题集，用于评估和改进聊天机器人的性能。
4. 提供了预训练模型的权重下载链接，并提供了命令行界面和API，方便用户进行推理和交互。
5. 提供了安装和使用文档，使用户能够快速上手和定制FastChat平台。

总之，FastChat是一个功能强大且创新的开放平台，为用户提供了训练、服务和评估大型语言模型聊天机器人的一站式解决方案。

返回开头

---

https://github.com/rwightman/pytorch-image-models

PyTorch image models, scripts, pretrained weights -- ResNet, ResNeXT, EfficientNet, NFNet, Vision Transformer (ViT), MobileNet-V3/V2, RegNet, DPN, CSPNet, Swin Transformer, MaxViT, CoAtNet, ConvNeXt, and more

这个GitHub仓库是PyTorch Image Models，它提供了一系列用于图像处理的模型和功能。以下是该仓库的功能和创新点的总结：

功能：

• 提供了多种图像模型，可以用于图像分类、目标检测、语义分割等任务。
• 支持使用预训练的权重进行迁移学习。
• 提供了训练、验证和推断脚本，方便用户进行模型训练和评估。
• 包含了一些有用的PyTorch资源和链接。

创新点：

• 引入了许多新的模型，如FastViT、MobileOne、InceptionNeXt、RepGhostNet、GhostNetV2、EfficientViT等。
• 支持动态图像大小，可以在�