专注于机器学习和深度学习的在线练习平台，帮助用户提升编程和算法能力。

提供丰富的线性代数、统计学和机器学习问题；涵盖从易到难的多种难度级别；每日挑战功能，激发学习动力

Deep-ML Practice Problems | #机器学习
机器学习
BibiGPTAI音视频助理：让音视频看得快，搜得到，用得好 | #工具

快速获取视频核心内容，节省80%观看时间；智能检索关键信息，快速定位感兴趣内容；AI辅助学习与工作，提升内容吸收效率
工具
Play to Xcode：设计直接变成代码，一键发布 App Store

✨ 完整迁移：组件、页面、样式无缝导出
⚡️ 1:1 还原：所有交互逻辑与动画精准复刻
🔗 连接真实数据：支持 JSON 文件 & 自定义 API
🤖 AI 集成：轻松调用 OpenAI 等热门 API
🛠 SwiftUI & UIKit 兼容：自由混用，适配现有代码
🔄 持续更新：Swift Package 一键同步最新版本
麻省理工出版社出品的一本的 AI 书籍。书中覆盖深度学习的诸多知识点，如监督学习、卷积网络、图像生成、扩散模型、图神经网络等。

Understanding Deep Learning | #电子书 #机器学习
电子书 机器学习
Flow Matching and Diffusion Models：MIT开设的生成式人工智能与随机微分方程，专注于扩散模型和流匹配模型，这些模型在多种数据模态中成为了生成式 AI 的先进技术。

课程从基本原理出发，构建了这些模型的数学框架。学生将通过构建一个简单的图像扩散模型来实践这些概念，并在过程中获得随机微分方程的实用知识，这些知识在许多其他领域都是有用的。

课程包括自包含的课程笔记、讲座和实验室练习，旨在让学生通过实践来理解理论。实验室练习包括三个部分：与随机微分方程的操作、流匹配和得分匹配、以及条件图像生成。此外，课程还邀请了来自 Toyota Research 和 MIT 的客座讲师，分享了生成式机器人和蛋白质设计的最新进展。

课程要求学生具备线性代数、实分析和基础概率论的知识，并熟悉 Python 和 PyTorch。
一个为Python项目量身打造的启动模板，让开发更高效、规范。

提供完整的代码质量工具链，包括Ruff和mypy；配置了GitHub Actions自动化测试和CI流程；附带示例代码和测试用例，快速上手

Python Project Starter Repository | #模板
模板
频道发的帖子是不是难懂了点儿？质量觉得咋样？
NVIDIA Isaac-GR00T：全球首个开源的通用人形机器人推理与技能基础模型。

跨形态能力，支持多种机器人形态；基于大规模多模态数据训练，性能卓越；提供便捷的微调工具，快速适配新任务
一个为数据中心规模分布式推理服务而生的框架。

高吞吐量与低延迟，完美服务生成式AI和推理模型；支持多种推理引擎，如TRT-LLM、vLLM等；优化动态GPU调度，提升资源利用效率

Dynamo | #框架
框架
Stable Virtual Camera：用扩散模型实现多视角视频生成，让3D场景合成变得轻而易举。

仅需1.3B参数，即可生成高质量3D一致的新视角；提供Gradio和CLI两种交互方式，满足不同用户需求；支持任意数量的输入视图和目标相机，灵活性极高
Orpheus TTS：一款能生成人类级语音的人工智能模型。

提供四种不同大小的预训练模型，满足不同需求；实现自然流畅的零样本语音克隆；支持实时流式推理，延迟低至约200毫秒
Before
After
Back to Top