ComfyUI-layerdiffusion：Layer Diffusion自定義節點實現
ComfyUI-layerdiffusion是一個GitHub專案，提供了Layer Diffusion模型的自定義節點實現。該專案允許使用者透過Python依賴安裝，並且目前僅支援SDXL模型。專案的目標是為ComfyUI使用者提供Layer Diffusion模型的便捷整合。
Sagify：簡化機器學習模型的訓練和部署
Sagify是一個命令列工具，可以在幾個簡單步驟中訓練和部署機器學習/深度學習模型在AWS SageMaker上！它消除了配置雲例項進行模型訓練的痛苦，簡化了在雲上執行超引數作業的過程，同時不再需要將模型交給軟體工程師進行部署。Sagify提供了豐富的功能，包括AWS賬戶配置、Docker映象構建、資料上傳、模型訓練、模型部署等。它適用於各種使用場景，幫助使用者快速構建和部署機器學習模型。
YOLO-NAS Pose：用於訓練PyTorch計算機視覺模型的開源庫
YOLO-NAS Pose是一款免費的、開源的庫，用於訓練基於PyTorch的計算機視覺模型。它提供了訓練指令碼和快速簡單複製模型結果的示例。內建SOTA模型，可以輕鬆載入和微調生產就緒的預訓練模型，包括最佳實踐和驗證的超引數，以實現最佳的準確性。可以縮短訓練生命週期，消除不確定性。提供分類、檢測、分割等不同任務的模型，可以輕鬆整合到程式碼庫中。
LLMs-from-scratch：深入瞭解大型語言模型的內部工作
LLMs-from-scratch將帶您逐步瞭解LLMs的工作原理。本書將逐步指導您建立自己的LLM，透過清晰的文字、圖表和示例解釋每個階段。所描述的用於教育目的的訓練和開發自己的小型但功能齊全模型的方法，與建立ChatGPT等大規模基礎模型的方法相似。
SceneScript：SceneScript：透過Reality Labs研究實現3D場景重建
SceneScript是Reality Labs研究團隊開發的一種新型3D場景重建技術。該技術利用AI來理解和重建複雜的3D場景，能夠從單張圖片中建立詳細的3D模型。SceneScript透過結合多種先進的深度學習技術，如半監督學習、自監督學習和多模態學習，顯著提高了3D重建的準確性和效率。
Depthify.ai：將2D RGB照片和影片轉換為3D空間照片和影片
Depthify.ai是一個工具，可以將RGB影象轉換為與Apple Vision Pro和Meta Quest相容的各種空間格式。透過轉換RGB影象為空間照片，可以為各種計算機視覺和3D建模應用提供支援。它可以生成深度圖、立體影象和HEIC檔案，可在Apple Vision Pro上使用。
YOLOv9：YOLOv9模型實現，可程式設計梯度資訊學習
yolov9是YOLOv9論文的實現，它透過使用可程式設計梯度資訊來學習使用者想要學習的內容。這個專案是一個開源的深度學習模型，主要用於目標檢測任務，具有高效和準確的優勢。
Intel NPU Acceleration Library：英特爾神經處理單元加速庫
Intel NPU Acceleration Library是英特爾為神經處理單元（NPU）開發的加速庫，旨在提高深度學習和機器學習應用的效能。該庫提供了針對英特爾硬體最佳化的演演算法和工具，支援多種深度學習框架，能夠顯著提升模型的推理速度和效率。
nasa-smd-ibm-st：增強自然語言技術用於NASA科學任務方向的資訊檢索和智慧搜尋
nasa-smd-ibm-st是一個基於Bi-encoder的句子轉換模型,由nasa-smd-ibm-v0.1編碼器模型進行了微調訓練。它使用了2.71億個訓練樣本以及260萬個來自NASA科學任務方向(SMD)檔案的領域特定樣本進行訓練。該模型旨在增強自然語言技術,如資訊檢索和智慧搜尋,以應用於SMD的自然語言處理任務。該模型可廣泛用於資訊檢索、句子相似度搜尋等NASA SMD相關的科學用例。
img2img-turbo：基於img2img的改進版本，用於快速影象到影象的轉換
img2img-turbo是一個開源專案，它是對原始img2img專案的改進，旨在提供更快的影象到影象轉換速度。該專案使用了先進的深度學習技術，能夠處理各種影象轉換任務，如風格遷移、影象著色、影象修復等。