Keras 是一个用 Python 编写的深度学习框架，主打对开发者友好，让搭建和训练神经网络变得简单直观。它提供统一的 API，可切换 TensorFlow、JAX 等后端，适合从快速实验到生产部署的各类场景。典型用法是几行代码定义模型结构，再调用 fit 完成训练。
Deep Learning for humans
按钮会在新标签页打开，本站不代理、不镜像仓库内容。
ComfyUI 是一个基于节点图的 diffusion 模型 GUI 与后端，用可视化 workflow 替代写代码，解决生成流程难以复用和调试的问题。它把采样、模型加载等步骤拆成节点自由连线，最典型的用法是在本地搭建文生图流程，改 prompt 或换模型只需调整节点，无需重写脚本。
Ultralytics 是一个基于 Python 的深度学习框架，把 YOLO 系列模型的训练、验证和推理封装成统一接口，让开发者不必自己搭建检测流程。最典型的用法是几行代码加载预训练权重，直接完成目标检测、实例分割或姿态估计等任务。
这是一个用 Python 实现的实时语音克隆工具，只需几秒的参考音频就能复制音色，并让模型用这个声音说出任意文本。它把说话人编码、TTS 合成和声码器串成完整流程，适合做语音 demo 或研究 voice cloning 的开发者快速上手。
YOLOv5 是基于 PyTorch 的目标检测框架，用 Python 实现，帮开发者快速完成从训练到部署的完整流程。它封装了数据加载、模型训练与导出，最典型的场景是拿自有数据集训练检测模型，再导出 ONNX 等格式接入线上推理服务。
Supervision 是一套可复用的计算机视觉工具库，帮开发者省去重复造轮子的功夫。它提供标注绘制、区域统计等现成组件，配合 Python 与主流检测模型使用。典型场景是在视频流上跑目标检测，把检测框、标签和轨迹直接画出来，快速做出可视化 demo。
这是一个教你开发、部署与迭代生产级机器学习应用的开源教程，用 Jupyter Notebook 串起完整流程。它面向想从 demo 走向上线的开发者，典型场景是跟着课程搭一套可复现的训练与部署 pipeline。
