高效的分布式人工智能训练系统。它能帮助用户在提升人工智能训练效率的同时降低训练成本，从而适应快速迭代的算法和模型，将 AI 大模型以低成本便捷推广到更多应用场景

基于深度学习的原神手游自动钓鱼工具。其中用 YOLOX 搞定鱼的定位和类型的识别以及鱼竿落点的定位，用 DQN 搞定自适应控制钓鱼过程的点击，让力度落在最佳区域内

手把手教你用 C++ 写出一个深度学习推理框架，项目整体风格和结构借鉴了Caffe。初学者通过该教程不仅可以了解深度学习框架背后的知识，还能够学会如何上手一个中等规模的 C++ 项目。

该指南来自几位谷歌大脑研究员的深度学习模型调参经验总结，内容包括如何开始新项目、提高模型性能的方法和训练过程中的经验，适合已掌握机器学习基本知识、对优化深度学习模型性能感兴趣的工程师和研究员阅读。

基于深度学习的中文语音识别系统

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。

李沐发起的深度学习领域经典、最新论文精读视频集合。

深度学习在图像处理方面的教程。该项目配以视频的方式介绍知识点和搭建方法，对应的 PTT 在 course_ppt 目录下

一款开发便捷的产业级深度学习框架，支持千亿特征、万亿参数、数百节点的大规模训练。官方还为用户提供了免费的算力可用于学习和训练，社区活跃教程齐全对新手友好。

一款小型的开源深度学习框架。它代码不足 1k 行足够简单，支持深度模型推理与训练。示例代码： ```python from tinygrad.tensor import Tensor import tinygrad.optim as optim class TinyBobNet: def __init__(self): self.l1 = Tensor.uniform(784, 128) self.l2 = Tensor.uniform(128, 10) def forward(self, x): return x.dot(self.l1).relu().dot(self.l2).logsoftmax() model = TinyBobNet() optim = optim.SGD([model.l1, model.l2], lr=0.001) # ... and complete like pytorch, with (x,y) data out = model.forward(x) loss = out.mul(y).mean() optim.zero_grad() loss.backward() optim.step() ```