오픈 소스. 새로운 가능성.

'Build a Large Language Model (From Scratch)'의 공식 코드 저장소로, GPT 유사 모델의 단계별 PyTorch 구현을 제공하며 사전 학습과 미세 조정을 노트북과 연습문제로 다룹니다.

labml.ai는 60개 이상의 문서화된 PyTorch 딥러닝 구현을 제공하며, 웹사이트에서 설명 노트와 함께 나란히 렌더링됩니다. 트랜스포머, GAN, 디퓨전 모델, 강화학습, 옵티마이저 등 다양한 주제를 다룹니다.

fastai는 PyTorch 기반의 딥러닝 라이브러리로, 빠른 생산성을 위한 고수준 컴포넌트와 연구 및 커스터마이징을 위한 저수준 컴포넌트를 모두 제공합니다.

ComfyUI는 최신 오픈 소스 및 폐쇄형 모델을 사용하여 이미지, 비디오, 오디오 및 3D 모델을 생성할 수 있는 시각적 노드 그래프 인터페이스 기반의 모듈형 AI 제작 엔진입니다.

Keras 3는 JAX, TensorFlow, PyTorch 또는 OpenVINO를 사용하여 모델을 구축하고 학습시킬 수 있는 멀티 백엔드 딥러닝 프레임워크입니다.

데이터 로딩, 시각화 및 데이터셋 관리를 위한 모델 불가지론적 빌딩 블록을 제공하는 컴퓨터 비전용 종합 툴킷입니다.

DocsGPT는 문서 분석, 멀티 모델 지원 및 엔터프라이즈 검색 기능을 갖춘 지능형 에이전트 및 어시스턴트 구축을 위한 오픈 소스 AI 플랫폼입니다.

소비자용 노트북 하드웨어에서 처음부터 학습하도록 설계된 소형 GPT 언어 모델(약 5억 4천만 파라미터)로, Fineweb-edu 사전 학습 및 채팅 파인튜닝 기능을 제공합니다.

Cog는 머신러닝 모델을 프로덕션용 Docker 컨테이너로 패키징하며, CUDA 호환성을 자동 처리하고 Python 타입 정의에서 HTTP 추론 API를 생성합니다.

ONNX Runtime은 PyTorch, TensorFlow, scikit-learn 모델을 지원하는 머신러닝 추론 및 학습용 크로스 플랫폼 가속기입니다.

Pyro는 PyTorch 기반의 유연하고 확장 가능한 딥 확률 프로그래밍 라이브러리로, 보편적인 확률 모델과 자동 추론을 지원합니다.

vLLM은 대규모 언어 모델(LLM) 추론 및 서빙을 위해 설계된 고처리량 및 메모리 효율적인 라이브러리입니다.

Gradio 라이브러리를 사용하여 구현된 Stable Diffusion의 종합 웹 인터페이스로, AI 이미지 생성 및 조작을 위한 광범위한 도구를 제공합니다.

컴퓨터 비전 학습을 위한 61개의 튜토리얼 모음으로, YOLO11, SAM 3, RF-DETR, Qwen3-VL 등 최신 모델을 객체 탐지, 분할, OCR 등에 활용하는 방법을 다룹니다.

timm은 ResNet, ViT, ConvNeXt 등 다양한 사전 학습된 백본을 제공하는 PyTorch 기반의 대규모 이미지 모델, 레이어, 옵티마이저, 스케줄러, 데이터 로더 및 학습/평가 스크립트 모음입니다.

EasyOCR은 80개 이상의 언어와 주요 문자 체계를 지원하는 즉시 사용 가능한 OCR 라이브러리입니다. 간단한 Python API와 CLI를 제공하며, PyTorch 기반의 검출 및 인식 모델과 사용자 정의 학습 옵션을 포함합니다.

VoxCPM2는 discrete tokenization 없이 연속 음성 표현을 생성하는 2B 파라미터 텍스트-음성 변환 시스템으로, 30개 언어를 지원하며 자연어 설명을 통한 음성 설계, 제어 가능한 음성 모방, 48kHz 오디오 출력을 제공한다.

Xinference는 언어, 음성, 멀티모달 모델을 제공하는 통합 추론 라이브러리입니다. OpenAI 호환 RESTful API, 이기종 GPU/CPU 활용, 분산 배포를 지원하며 LangChain, LlamaIndex, Dify, Chatbox와 통합됩니다.

Premove ITN은 영어 음성 에이전트 대본을 위한 오픈소스 컨텍스트 인지 역텍스트 정규화 도구로, DeBERTa 컨텍스트 점수를 사용하는 생성-점수-디코드 파이프라인을 통해 음성 ASR 출력을 표준 서면 형식으로 변환합니다.

UL-SMF는 장기 컨텍스트 트랜스포머 추론을 위한 KV 캐시 압축 프레임워크로, FSQ와 16차원 잠재 매핑을 통해 최대 384배 압축을 주장한다. 핵심 압축 로직은 독점 폐쇄형 바이너리에 의존한다.