分享 GitHub 上一份开源免费的在线教程，涵盖了 PyTorch 基础知识、神经网络、计算机视觉、自定义数据集处理、模块化代码编写以及模型部署等内容。

Rerun 是一个用于记录计算机视觉和机器人数据的 SDK，并配有可视化工具，可以随时间探索这些数据。它允许用户以最小的代码调试和理解系统的内部状态和数据。开发者可以将数据记录到 Rerun SDK，系统会自动进行可视化处理。Rerun 支持来自多个进程的实时数据流，并可回放录制的数据。Rerun Viewer 根据记录的数据创建可配置的可视化效果，用户可以随时回溯和前进时间。

AtomGPT是基于LLaMA的模型架构，通过从零开始训练，旨在展示模型的进化过程及学习能力的提升，帮助研究人员深入理解模型的学习过程。

Scenic是一个基于JAX的计算机视觉研究库，支持多种计算机视觉任务，利用JAX的高性能特点，提供灵活和模块化的架构。

一个大模型导航资源，里面收集了几乎全部的模型，具有里程碑意义的论文，排行榜，测试集，训练框架，部署，应用，书籍等

3PSDF是一个用于学习任意拓扑表面的签名距离函数的项目，采用三极点方法，能够高效地重建复杂表面。

Lightning AI是一个使用PyTorch训练、部署和构建AI模型的平台，以其超快的性能而闻名。它由PyTorch Lightning的创作者开发，提供用户友好的界面来管理训练过程和监控模型性能，适用于计算机视觉、自然语言处理、推荐系统和强化学习等多个领域。

Universal Data Generator是一个先进的AI驱动工具，旨在满足研究人员、测试人员和数据分析师的数据生成需求。用户可以根据特定要求轻松生成定制数据集。

LLaMA.go是一个LLaMA模型的纯Go实现，类似于llama.cpp，但完全用Go编写。

Brilliant推出的Introduction to Neural Networks课程

这个项目能分析图像中对象之间的关系，是一个将Meta的Segment-Anything模型与ECCV'22论文相结合的演示：Panoptic Scene Graph Generation。

Store for GPTs是一个策划并提供市场上最佳定制生成预训练变换器(GPT)的平台。用户可以浏览我们精心挑选的GPT集合，选择感兴趣的模型，并按照提供的说明将其集成到各自的项目或应用中。

将SOTA多模态能力融入语言模型，改进基础模型、修改训练过程、自定义数据集以及对LLaVA实现的重大架构更改。

该项目探讨了在不同位精度下的语言模型（LLM）性能比较，尤其是4位和8位精度模型的精度表现。

ColorPeel是一个利用扩散模型，通过颜色和形状的分离来进行颜色提示学习的项目，旨在提高图像生成的灵活性与质量。