Qwen2vl 相关的热门 GitHub AI项目仓库

Stable Diffusion 的网页版界面

Pytorch、TensorFlow和JAX框架下最先进的机器学习转换器

Turn any PDF or image document into structured data for your AI. A powerful, lightweight OCR toolkit that bridges the gap between images/PDFs and LLMs. Supports 80+ languages.

一种高效且内存利用率高的用于大型语言模型推理和服务的引擎

统一高效微调100多个大型语言模型和视觉语言模型 (ACL 2024)

使用Llama 3.3、DeepSeek-R1和推理大型语言模型微调，速度提升2倍，内存占用减少70%！

Free universal database tool and SQL client

我们提供一个基于大型语言模型的聊天机器人，它可以接入微信公众号、企业微信、飞书和钉钉等平台。您可以选择使用GPT-3.5、GPT-4、GPT-Neo、DeepSeek、Claude、文心一言、讯飞星火、通义千问、Gemini、GLM-4、Claude、Kimi或LinkAI等多种模型。该机器人可以处理文字、语音和图片，还能访问操作系统和互联网，并支持根据您自己的知识库定制企业智能客服系统。

Jan是一款开源的ChatGPT替代品，可在你的电脑上完全离线运行。

开源免费的替代方案，可替代OpenAI、Claude等。支持本地自托管，无需GPU，可在家用硬件上运行。可直接替换OpenAI，支持gguf、transformers、diffusers等多种模型架构。功能包括：文本、音频、视频、图像生成，语音克隆，分布式和P2P推理。

Langchain-Chatchat（原Langchain-ChatGLM）是一个基于Langchain框架，结合ChatGLM、Qwen、Llama等大型语言模型，实现基于检索增强生成（RAG）和智能体（Agent）应用的本地知识库系统。

这是目前最大规模的PyTorch图像编码器/骨干网络集合，包含训练、评估、推理、导出脚本和预训练权重——涵盖ResNet、ResNeXT、EfficientNet、NFNet、Vision Transformer (ViT)、MobileNetV4、MobileNet-V3 & V2、RegNet、DPN、CSPNet、Swin Transformer、MaxViT、CoAtNet、ConvNeXt等多种网络。

Diffusers：一个基于PyTorch和FLAX的库，包含最先进的扩散模型，用于图像、视频和音频生成。

AI 驱动的 PDF 学术论文翻译，完美保留原有排版格式。支持 Google、DeepL、Ollama、OpenAI 等多种翻译引擎，提供命令行界面 (CLI)、图形用户界面 (GUI)、Docker 镜像和 Zotero 插件。

FastGPT是一个基于大型语言模型（LLM）的知识平台，提供全套开箱即用的功能，例如数据处理、检索增强生成（RAG）和视觉AI工作流编排，使您可以轻松开发和部署复杂的问答系统，无需繁琐的设置或配置。

Invoke 是一个领先的 Stable Diffusion 模型创意引擎，赋能专业人士、艺术家和爱好者使用最新的 AI 技术生成和创作视觉媒体。该方案提供业界领先的 WebUI，并作为多个商业产品的基础。

这份《开源大模型食用指南》专为中国用户设计，手把手教你如何在Linux系统上快速微调（全参数/LoRA）并部署国内外开源大模型（LLM）/多模态大模型（MLLM）。

图像处理的深度学习，包括图像分类、目标检测等。

基于PyTorch的图像到图像转换

一款热门的AI驱动型数据库工具和SQL客户端，拥有强大的图形界面，支持MySQL、Oracle、PostgreSQL、DB2、SQL Server、SQLite、H2、ClickHouse等多种数据库。