基于PyTorch从零实现的Flow Matching生成模型框架，支持MNIST数据集的有条件和无条件生成。包含MiniUnet模型结构，支持classifier-free guidance，可在CPU上运行。提供了完整的训练推理代码和详细注释，适合学习和理解Flow Matching算法原理
一个研究反向诅咒问题的项目，分析AI模型在推理能力上的不足，特别是在名人亲子关系的推理方面。
该项目提供了一个系统的路线图，帮助学习者在2024年掌握生成人工智能的各个方面，包括Python编程、基本机器学习、自然语言处理、深度学习、高级NLP概念以及生成式AI的应用和部署方法，同时还介绍了向量数据库和存储的相关内容。
Lightning + Colossal-AI 是一个结合了Colossal AI和Lightning AI强大功能的大规模分布式模型训练框架，旨在简化模型训练和部署过程，同时优化内存使用和计算效率，具有强大的可扩展性，适用于多种硬件配置。
2013-2018 年期间的信息学竞赛课件，包括 TopCoder 题目选讲、CodeChef 题目选讲、趣题选讲、网络流模型与例题、NOIp 图论、数据结构及应用等内容。
一份收集整理了各种人工智能领域的资源集合，涵盖常用工具、学习教程、代码编程、书籍、讲座视频、周刊及相关论文等内容。
