introtodeeplearning
MIT 深度学习入门课程实验材料，涵盖计算机视觉、自然语言处理、强化学习等核心领域。包含 Jupyter Notebook 实验代码和教学视频，是学习深度学习实践的优质资源。8.6K+ stars。
🎯适用场景：深度学习入门学习、AI 概念实践验证、教学参考
📥 收录于 2026/6/3
📊 仓库数据
✅ 优点
- •MIT 官方课程权威性高
- •实验设计循序渐进
- •涵盖多个 AI 子领域
⚠️ 限制
- •内容偏基础入门
- •部分实验环境可能过时
- •缺乏最新大模型内容
🔗 相关工具
DeepSpeech
github.com/mozilla/DeepSpeech
DeepSpeech 是 Mozilla 开发的开源语音转文字引擎，基于深度学习技术，支持离线和嵌入式运行。可从树莓派到高性能 GPU 服务器实时运行，是语音识别领域的经典开源项目。26K+ stars。
🎯离线语音转文字、嵌入式语音识别、隐私优先的语音应用
Stable Diffusion WebUI
github.com/AUTOMATIC1111/stable-diffusion-webui
最流行的 Stable Diffusion Web UI，162,491+ stars。提供直观的图形界面，支持文生图、图生图、ControlNet、LoRA 微调、Inpainting 等核心功能，是 AI 图像生成领域的事实标准工具
🎯大模型微调与训练、多模态内容理解与生成
ComfyUI
github.com/comfyanonymous/ComfyUI
节点式 Diffusion 模型 GUI，109,363+ stars。基于节点的工作流编排，可视化连接各处理模块，是最强大的图像生成工作流工具，支持 SDXL、Flux、Stable Cascade 等最新模型
🎯AI 工作流编排与自动化、多模态内容理解与生成
OpenAI Whisper
github.com/openai/whisper
OpenAI 开源语音识别模型，99.9K+ stars。支持 99 种语言自动语音识别与翻译，可本地部署保护隐私，广泛用于会议转录、字幕生成等场景
🎯多语言语音转文字、音频转录、本地私有化语音识别
Deep Live Cam
github.com/hacksider/Deep-Live-Cam
实时人脸替换工具，91,252+ stars。仅需一张照片即可实现实时视频换脸和一键视频 Deepfake，基于 AI 视觉模型实现高精度面部替换。支持摄像头实时预览和离线视频处理，是 AI 换脸领域最受欢迎的开源项目。
🎯多模态内容理解与生成
OpenCV
github.com/opencv/opencv
开源计算机视觉库，87,181+ stars。全球最广泛使用的计算机视觉库，提供 2500+ 优化算法，涵盖图像处理、目标检测、人脸识别、相机标定等领域。支持 C++、Python、Java，是 AI 视觉应用的基石。
🎯多模态内容理解与生成