brandonhimpfen/awesome-ai

# 优秀的人工智能 [](https://github.com/awesomelistsio/awesome) ## 目录 - [通用人工智能](#general-ai) - [机器学习](#machine-learning) - [深度学习](#deep-learning) - [自然语言处理 (NLP)](#natural-language-processing-nlp) - [计算机视觉](#computer-vision) - [强化学习](#reinforcement-learning) - [边缘计算人工智能](#ai-for-edge-computing) - [人工智能伦理](#ai-ethics) - [人工智能基础设施](#ai-infrastructure) - [学习资源](#learning-resources) - [书籍](#books) - [社区](#community) - [贡献指南](#contribute) - [许可协议](#license) ## 通用人工智能 - [TensorFlow](https://www.tensorflow.org/) - 一个开源的机器学习平台，提供全面的工具生态系统。 - [PyTorch](https://pytorch.org/) - 一个开源的深度学习框架，提供灵活且动态的计算图。 - [Scikit-learn](https://scikit-learn.org/stable/) - 一个用于机器学习的 Python 库，包含各种分类、回归和聚类算法。 - [Keras](https://keras.io/) - 一个高级神经网络 API，用 Python 编写，能够在 TensorFlow 或 Theano 之上运行。 - [OpenAI Gym](https://www.gymlibrary.dev/) - 一个用于开发和比较强化学习算法的工具包。 ## 机器学习 - [XGBoost](https://xgboost.ai/) - 一个可扩展且高效的梯度提升框架。 - [LightGBM](https://lightgbm.readthedocs.io/) - 一个快速、分布式、高性能的梯度提升框架。 - [CatBoost](https://catboost.ai/) - 一个自动处理分类特征的梯度提升库。 - [Dask-ML](https://ml.dask.org/) - 一个可扩展的机器学习库，与 Dask 集成以实现并行计算。 - [MLflow](https://mlflow.org/) - 一个用于管理端到端机器学习生命周期的开源平台。 ## 深度学习 - [Hugging Face Transformers](https://huggingface.co/transformers/) - 一个用于最先进自然语言处理模型的库。 - [DeepSpeed](https://www.deepspeed.ai/) - 一个深度学习优化库，使分布式训练变得简单高效。 - [JAX](https://jax.readthedocs.io/) - 一个用于高性能数值计算和自动微分的库，专为深度学习设计。 - [ONNX](https://onnx.ai/) - 一个 AI 模型的开放格式，允许不同深度学习框架之间的互操作性。 - [Apache MXNet](https://mxnet.apache.org/) - 一个具有灵活编程模型的可扩展深度学习框架。 ## 自然语言处理 (NLP) - [spaCy](https://spacy.io/) - 一个开源的 NLP 库，用于 Python 中的高级自然语言处理。 - [NLTK](https://www.nltk.org/) - 自然语言工具包，一个用于文本处理和分析的综合性库。 - [Stanford NLP](https://stanfordnlp.github.io/CoreNLP/) - 由斯坦福 NLP 小组开发的一套 NLP 工具。 - [TextBlob](https://textblob.readthedocs.io/) - 一个用于处理文本数据的简单库。 - [AllenNLP](https://allennlp.org/) - 一个开源的 NLP 研究库，建立在 PyTorch 之上。 ## 计算机视觉 - [OpenCV](https://opencv.org/) - 一个用于图像和视频处理的开源计算机视觉库。 - [Detectron2](https://github.com/facebookresearch/detectron2) - Facebook AI Research 推出的高性能目标检测库。 - [YOLO (You Only Look Once)](https://pjreddie.com/darknet/yolo/) - 一个最先进的实时目标检测系统。 - [Fastai](https://www.fast.ai/) - 一个简化视觉任务中快速准确神经网络训练的库。 - [Dlib](http://dlib.net/) - 一个用于机器学习和数据分析的工具包，广泛用于人脸检测和识别。 ## 强化学习 - [Stable-Baselines3](https://stable-baselines3.readthedocs.io/) - 一套 Python 中可靠的强化学习算法实现。 - [Ray RLlib](https://docs.ray.io/en/latest/rllib.html) - 基于 Ray 构建的可扩展强化学习库。 - [Acme](https://github.com/deepmind/acme) - DeepMind 推出的强化学习算法库。 - [RLlib](https://github.com/ray-project/ray) - 一个可扩展的强化学习库，与 Ray 集成。 - [TF-Agents](https://www.tensorflow.org/agents) - 一个用于 TensorFlow 中强化学习的库。 ## 边缘计算人工智能 - [TensorFlow Lite](https://www.tensorflow.org/lite) - 一个在边缘设备上运行机器学习模型的框架。 - [ONNX Runtime](https://onnxruntime.ai/) - 一个跨平台、高性能的 ONNX 模型评分引擎。 - [Edge Impulse](https://www.edgeimpulse.com/) - 一个在边缘设备上开发机器学习模型的平台。 - [OpenVINO](https://docs.openvino.ai/latest/index.html) - 一个用于为边缘设备优化深度学习模型的 Intel 工具包。 - [AWS IoT Greengrass](https://aws.amazon.com/greengrass/) - 一项使用 AWS 在边缘设备上部署机器学习模型的服务。 ## 人工智能伦理 - [AI Fairness 360](https://aif360.mybluemix.net/) - 一个用于检测和缓解机器学习模型偏见的工具包。 - [可解释人工智能 (XAI)](https://www.darpa.mil/program/explainable-artificial-intelligence) - DARPA 的可解释人工智能研究计划。 - [EthicsNet](https://ethicsnet.org/) - 一个关注伦理 AI 的社区驱动项目。 - [FAT Forensics](https://fat-forensics.org/) - 一个用于人工智能公平性、问责制和透明度的工具包。 - [人工智能伦理论文集](https://www.partnershiponai.org/papers/) - 一系列有影响力的人工智能伦理研究论文。 ## 学习资源 - [Coursera: 机器学习](https://www.coursera.org/learn/machine-learning) - 吴恩达主讲的机器学习入门课程。 - [深度学习专项课程](https://www.coursera.org/specializations/deep-learning) - 吴恩达主讲的综合性深度学习课程。 - [Google AI Hub](https://ai.google/) - 谷歌提供的一个用于 AI 研究和学习的平台。 - [PyTorch 教程](https://pytorch.org/tutorials/) - 官方 PyTorch 学习教程。 - [Fast.ai 课程](https://course.fast.ai/) - 免费的深度学习和 AI 课程。 ## 书籍 - *《深度学习》* Ian Goodfellow, Yoshua Bengio, Aaron Courville 著 - 深度学习技术的基础书籍。 - *《动手学机器学习：基于 Scikit-Learn, Keras 和 TensorFlow》* Aurélien Géron 著 - 一本实用的机器学习指南。 - *《人工智能：一种现代方法》* Stuart Russell, Peter Norvig 著 - 一本综合性的人工智能教材。 - *《机器学习实战》* 吴恩达 著 - 一本关于如何有效构建机器学习项目的书籍。 - *《百页机器学习书》* Andriy Burkov 著 - 一本简洁的机器学习入门书。 ## 贡献指南 欢迎提交贡献。请确保您的提交完全遵循 [`CONTRIBUTING.md`](CONTRIBUTING.md) 中概述的要求，包括格式、范围一致性和分类放置。 不符合贡献指南的拉取请求可能会被关闭。 ## 许可协议 [](http://creativecommons.org/licenses/by-sa/4.0/)

标签：AI伦理, AI基础设施, Apex, awesome list, CatBoost, CNCF毕业项目, Dask-ML, ESC2, Keras, LightGBM, MLflow, PyTorch, Scikit-learn, TensorFlow, XGBoost, 书籍, 人工智能, 人工智能应用, 凭据扫描, 学习资源, 工具, 库, 应急响应, 开源, 强化学习, 技术栈, 数据科学, 机器学习, 深度学习, 用户模式Hook绕过, 社区, 计算机视觉, 资源, 资源验证, 边缘计算