AI开源项目

欢迎来到AI开源项目专区！这里收集了GitHub上热门的AI相关开源项目，按Star数量排序，帮助你了解当前最受欢迎的AI技术和工具。

项目列表

TensorFlow

  • GitHub链接: https://github.com/tensorflow/tensorflow
  • Star数量: 180k+
  • 主要功能: 由Google开发的开源机器学习框架，支持各种机器学习和深度学习任务。
  • 项目特点: 灵活的计算图结构，支持分布式训练，丰富的生态系统。

PyTorch

  • GitHub链接: https://github.com/pytorch/pytorch
  • Star数量: 70k+
  • 主要功能: 由Facebook开发的开源机器学习框架，以动态计算图和易用性著称。
  • 项目特点: 直观的API设计，强大的GPU加速，活跃的社区支持。

scikit-learn

Hugging Face Transformers

Keras

  • GitHub链接: https://github.com/keras-team/keras
  • Star数量: 56k+
  • 主要功能: 高级神经网络API，简化深度学习模型的构建。
  • 项目特点: 易于使用的高级API，支持多种后端，模块化设计，适合快速原型开发。
  • 教程链接: Keras 入门教程

fastai

  • GitHub链接: https://github.com/fastai/fastai
  • Star数量: 29k+
  • 主要功能: 深度学习库，提供高层次的API。
  • 项目特点: 基于PyTorch构建，提供高级抽象，包含丰富的预训练模型，注重实用主义和快速迭代。
  • 教程链接: fastai 入门教程

YOLOv5

  • GitHub链接: https://github.com/ultralytics/yolov5
  • Star数量: 28k+
  • 主要功能: 目标检测模型，以速度和准确性著称。
  • 项目特点: 实时目标检测，易于训练和部署，支持多种设备和平台，提供预训练模型。
  • 教程链接: YOLOv5 入门教程

spaCy

  • GitHub链接: https://github.com/explosion/spaCy
  • Star数量: 27k+
  • 主要功能: 工业级NLP库，专注于生产环境。
  • 项目特点: 快速高效的NLP处理，支持多种语言，提供预训练模型，易于集成到生产环境。
  • 教程链接: spaCy 入门教程

OpenCV

  • GitHub链接: https://github.com/opencv/opencv
  • Star数量: 26k+
  • 主要功能: 计算机视觉库，提供图像处理和计算机视觉算法。
  • 项目特点: 跨平台支持，丰富的图像处理和计算机视觉算法，高性能实现，广泛应用于工业和研究。
  • 教程链接: OpenCV 入门教程

GPT-J

AllenNLP

  • GitHub链接: https://github.com/allenai/allennlp
  • Star数量: 22k+
  • 主要功能: NLP研究框架，提供丰富的NLP模型和工具。
  • 项目特点: 基于PyTorch，提供多种NLP模型实现，支持模型训练和评估，丰富的文档和教程。
  • 教程链接: AllenNLP 入门教程

Detectron2

Fairseq

MLflow

  • GitHub链接: https://github.com/mlflow/mlflow
  • Star数量: 18k+
  • 主要功能: 机器学习生命周期管理工具。
  • 项目特点: 跟踪实验和模型，模型部署和管理，支持多种机器学习框架，易于集成到现有工作流。
  • 教程链接: MLflow 入门教程

ONNX

  • GitHub链接: https://github.com/onnx/onnx
  • Star数量: 17k+
  • 主要功能: 开放神经网络交换格式，用于模型互操作性。
  • 项目特点: 跨框架模型交换，支持多种深度学习框架，优化模型推理，广泛的行业支持。
  • 教程链接: ONNX 入门教程

MXNet

  • GitHub链接: https://github.com/apache/mxnet
  • Star数量: 17k+
  • 主要功能: 深度学习框架，注重效率和灵活性。
  • 项目特点: Apache基金会项目，高效的符号编程和命令式编程，支持多种编程语言，良好的分布式训练支持。
  • 教程链接: MXNet 入门教程

JAX

  • GitHub链接: https://github.com/google/jax
  • Star数量: 16k+
  • 主要功能: 机器学习研究库，提供自动微分和JIT编译。
  • 项目特点: 由Google开发，高效的自动微分，JIT编译加速，支持NumPy API，适合研究和实验。
  • 教程链接: JAX 入门教程

Transformers.js

PyTorch Lightning

Streamlit

Flair

  • GitHub链接: https://github.com/flairNLP/flair
  • Star数量: 13k+
  • 主要功能: NLP库，专注于序列标记和文本分类。
  • 项目特点: 基于PyTorch，支持多种语言模型，易于使用的API，提供预训练模型，适合序列标记任务。
  • 教程链接: Flair 入门教程

Triton

  • GitHub链接: https://github.com/openai/triton
  • Star数量: 12k+
  • 主要功能: GPU编程框架，简化GPU代码开发。
  • 项目特点: 由OpenAI开发，简化GPU编程，高性能实现，适合深度学习和科学计算。
  • 教程链接: Triton 入门教程

Label Studio

CLIP

  • GitHub链接: https://github.com/openai/CLIP
  • Star数量: 11k+
  • 主要功能: 多模态模型，连接文本和图像。
  • 项目特点: 由OpenAI开发，支持零样本学习，可用于图像分类、检索等任务，提供预训练模型。
  • 教程链接: CLIP 入门教程

DALL-E Mini

Weights & Biases

LangChain

Stable Diffusion

ONNX Runtime

The Annotated Transformer

LlamaIndex

Haystack

  • GitHub链接: https://github.com/deepset-ai/haystack
  • Star数量: 13k+
  • 主要功能: 端到端的RAG框架，专注于构建高质量的问答系统和文档检索应用。
  • 项目特点: 模块化设计，支持多种向量数据库和LLM模型，生产就绪，活跃的社区。
  • 教程链接: Haystack 入门教程

AnythingLLM

MaxKB

  • GitHub链接: https://github.com/1Panel-dev/MaxKB
  • Star数量: 5k+
  • 主要功能: 智能知识库和AI助手，实现高效的文档检索和问答功能。
  • 项目特点: 开源免费，易于使用，功能丰富，高度可扩展，性能优化。
  • 教程链接: MaxKB 入门教程

Dify

  • GitHub链接: https://github.com/langgenius/dify
  • Star数量: 15k+
  • 主要功能: AI应用开发平台，支持RAG、AI Agent和工作流功能。
  • 项目特点: 开源免费，易于使用，功能丰富，高度可扩展，企业级特性。
  • 教程链接: Dify 入门教程

FastGPT

  • GitHub链接: https://github.com/labring/FastGPT
  • Star数量: 10k+
  • 主要功能: 快速部署的AI知识库和聊天机器人，支持多模型集成和自定义工作流。
  • 项目特点: 开源免费，易于部署，功能丰富，高度可扩展，性能优化。
  • 教程链接: FastGPT 入门教程

RagFlow

Weaviate

PG Vector

Chroma

如何使用本专区

  1. 浏览项目: 通过左侧导航栏选择你感兴趣的项目。
  2. 学习教程: 点击项目链接进入详细教程，了解项目的基本概念和使用方法。
  3. 实践应用: 跟随教程中的示例代码，尝试在自己的项目中使用这些AI框架。

贡献指南

如果你发现了值得推荐的AI开源项目，或者对本专区的内容有任何建议，欢迎提交贡献！

↑