DPT（Dense Prediction Transformer）是一个基于视觉Transformer的密集预测模型，主要用于单目深度估计和语义分割任务。该项目由Intel开发，但目前已停止维护。它提供了多种预训练模型，可以用于生成图像的深度图或进行语义分割。项目依赖于PyTorch框架，并提供了详细的代码和模型权重供用户使用。
MockingBird是一个AI拟声开源项目，能够在5秒内克隆声音并生成任意语音内容，特别支持中文普通话。项目基于PyTorch框架，支持在Windows、Linux、Mac操作系统上运行。提供了详细的部署教程、训练教程和使用教程，用户可以通过训练自己的模型或使用预训练模型来生成语音。项目还支持Web服务器部署，方便远程调用。
TextMatch是一个基于Pytorch的中文语义相似度匹配模型，专注于中文文本的语义相似度计算。它支持多种深度学习模型，包括ABCNN、Albert、Bert、BIMPM、DecomposableAttention、DistilBert、ESIM、RE2、Roberta、SiaGRU和XlNet。该项目提供了多种预训练模型，易于扩展和自定义模型，适用于各种自然语言处理任务。
kan-gpt是一个结合Kolmogorov-Arnold Networks（KAN）特性的GPT模型，使用PyTorch框架实现。该项目在Tiny Shakespeare数据集上进行了训练和测试，表现优于传统的MLP-GPT模型。作为一个开源项目，kan-gpt不仅便于社区贡献和进一步研究，还为自然语言处理任务提供了新的解决方案。
《Fastai & Pytorch深度学习入门》第二版代码，由fast.ai提供，目前正在开发中。该项目旨在通过提供深度学习的入门教程和代码示例，帮助初学者和进阶学习者快速掌握深度学习的基础知识和实践技能。项目基于PyTorch框架，易于上手，包含丰富的实践案例和项目，持续更新，紧跟最新技术发展。
MosaicML Composer 是一个开源的大模型训练平台，专注于简化大规模深度学习模型的开发过程。它通过优化的算法和工具，帮助开发者在较低成本下快速训练高性能模型。平台强调易用性和透明性，开源社区支持良好，文档清晰，特别适合希望缩短训练时间并提升效率的团队，助力深度学习技术在多种场景中快速落地。
deep-table 是一个基于 PyTorch 框架实现的深度学习工具，专注于表格数据的处理和建模。它支持各种最先进的深度学习算法，并特别集成了自监督学习技术，适用于结构化数据的机器学习任务。
一个深度学习论文的学习项目，包含超过60篇论文的代码实现和详细注释，支持在线阅读和中文版。
一个包含多种自然语言处理教程的项目，涵盖了Transformer等模型的实现和应用。
只依赖pytorch、transformers、numpy、tensorboardX，专注于文本分类、序列标注的极简自然语言处理工具包
旨在开发支持大规模并行训练的机器学习天气和气候模型的PyTorch框架，Makani 提供高效的计算资源利用，帮助研究人员进行气候变化研究和天气预测。
OneFlow 是一个分布式深度学习框架，旨在使每位算法工程师能够训练超大模型，例如 GPT，克服高训练成本和大模型落地难的问题。它提供易用且高效的动态图和静态图训练接口，支持多种硬件设备，简化模型部署和训练过程。
高性能的Python计算引擎，专为数据处理和人工智能设计，能够自动并行化Python程序，无需重写代码，大幅提升计算效率
CodeTF是Salesforce出品的一站式代码类LLM工具库，提供了一套统一的接口用于Code LLM的训练、推导和微调，支持多种模型，易于扩展和集成。
Hugging Face Transformers 是一个广泛使用的开源NLP框架，专注于大规模预训练语言模型的实现与部署。它支持BERT、GPT-3、T5等数百种顶级模型，涵盖文本分类、情感分析、命名实体识别等多种NLP任务，并支持多模态任务。该库提供简洁的API接口，便于快速加载、微调和优化模型，适用于学术研究与工业应用，社区驱动更新迅速，是自然语言处理领域的重要工具。
LLMOps是一个灵活、稳健且高效的Python工具包，专为大型语言模型(LLM)的运营设计。它提供了模型注册、实验跟踪和实时推理等关键功能，帮助开发者和研究人员更好地管理和优化他们的模型。该工具包支持高效的操作，并具备灵活的集成能力，适用于各种机器学习工作流。
Ludwig v0.8是一个开源的低代码框架，旨在帮助开发者轻松构建先进的机器学习模型，特别是优化用于使用私有数据构建定制的大型语言模型（LLM）。它提供了一种声明式接口，使得模型的构建过程更加高效和简便。
Lorai是一个平台，允许用户使用自己的品牌资产训练生成AI模型，以在几秒钟内创建独特内容。用户可以在浏览器中轻松训练低秩适应（LoRAs），无需计算资源，快速生成高质量设计元素。
