基于PyTorch从零实现的Flow Matching生成模型框架，支持MNIST数据集的有条件和无条件生成。包含MiniUnet模型结构，支持classifier-free guidance，可在CPU上运行。提供了完整的训练推理代码和详细注释，适合学习和理解Flow Matching算法原理

GPT-NeoX是基于DeepSpeed库的模型并行自回归变换器在GPU上的实现，具有高效的训练和推理性能，旨在支持大规模模型的开发和研究。

LOMO是复旦大学提出的新论文，旨在使用单台8片24G的RTX 3090对Llama 65B模型进行全参数微调。该项目通过优化训练效率和性能，为用户提供了兼容多种深度学习框架的解决方案，并附带详细的实验结果和分析，帮助用户更好地理解模型的表现。

leedl-tutorial是一个专注于深度学习的学习资源，涵盖了从基础概念到实用代码示例的全面内容，适合各个层次的学习者。

FasterTransformer是一个高度优化的基于Transformer的编码器和解码器组件，提供高效的推理和训练性能，支持多种Transformer模型，并兼容多种深度学习框架，灵活配置以满足不同需求。

Python版本的TensorFlow深度学习API

免费开源的深度学习框架

开源机器学习框架