这是一个轻量、无依赖、单文件的 C 语言神经网络库，内含丰富的示例和测试。代码简洁易读，适合作为初学者学习神经网络的入门项目。

可以将图片和视频转换成漫画风格的工具。采用的是神经风格迁移+生成对抗网络（GAN）的组合，转换速度快。[在线尝试](https://huggingface.co/spaces/akhaliq/AnimeGANv2)

这是一个关于神经网络和相关算法 PyTorch 实现的集合，代码里还包含逐行的注释。

高性能、轻量级的神经网络部署框架。支持人脸关键点检测、卡通图像风格化、天气场景识别等功能，打包全部功能后的 SDK 体积还不到 3 MB，适用于 Android、iOS 等操作系统

这是一门从基础开始的神经网络课程，包含视频、练习和配套源码，帮助初学者初逐步掌握神经网络的基本概念，并通过实例代码来加深理解。

一款易用的神经搜索框架。神经搜索是指用非结构化数据，搜索非结构化数据。Jina 简化了神经搜索系统的搭建流程，使开发者可以快速构建以图搜图、以文字搜图、问答机器人、照片去重、海量标签分类等应用 ```python from docarray import Document, DocumentArray from jina import Executor, Flow, requests class PreprocImg(Executor): @requests async def foo(self, docs: DocumentArray, **kwargs): for d in docs: ( d.load_uri_to_image_tensor(200, 200) # load .set_image_tensor_normalization() # normalize color .set_image_tensor_channel_axis( -1, 0 ) # switch color axis for the PyTorch model later ) ```

图像超分辨率模型，修复漫画图像的效果惊艳。通过 AI 技术将低分辨率、模糊的图像修复成高清图像，可用于图像放大和提升质量。基于它实现的[桌面工具](https://github.com/X-Lucifer/AI-Lossless-Zoomer)，还有可以直接使用的 Python 脚本，快去试试效果吧

该项目的灵感来自于 Kolmogorov-Arnold 表示定理，将其应用于神经网络设计。KAN 与多层感知机（MLP）架构的主要区别在于激活函数的使用方式，它将激活函数放在权重上，从而比 MLP 更准确、更易于解释（有时候），缺点是训练速度较慢。

腾讯开源的一个专为手机端设计的高性能神经网络前向计算框架，具有无第三方依赖、跨平台、速度快等特点。

这里是《神经网络与深度学习》中关于相关理论的 Python 代码实现。