GitHub AI 开源精选 | 2026年09月29日

1多语言文本摘要集

仓库theamrzaki/text_summurization_abstractive_methods⭐ 530

这是一个面向多语言（英、印地、阿姆哈拉语等）的抽象式文本摘要实现集，主打在 Google Colab 上零成本运行。核心亮点是覆盖 seq2seq+注意力、指针生成器、强化学习等多种深度模型，并提供配套教程，适合 NLP 开发者或学生快速上手实验和对比不同摘要方法。

https://github.com/theamrzaki/text_summurization_abstractive_methods

2深度学习课程作业

仓库Gurupradeep/deeplearning.ai-Assignments⭐ 355

这是吴恩达深度学习专项课程全部编程作业的完整参考答案，覆盖神经网络、CNN、RNN/LSTM 等核心内容。项目亮点在于提供可运行的 Jupyter Notebook 和配套论文，便于对照学习，适合正在修读该课程或复习深度学习基础的学习者作为参考。

https://github.com/Gurupradeep/deeplearning.ai-Assignments

3开源AI处理器

仓库embedeep/Free-TPU⭐ 276

免费开源的 AI 处理器 TPU，用于在 Xilinx FPGA 上加速深度学习边缘推理，支持 PyTorch、Caffe、Darknet 等框架的模型编译。核心亮点是成熟的第二代架构及配套编译器，已商用并量产，适合需要低功耗、高性能图像分类/检测/分割的嵌入式开发者。

https://github.com/embedeep/Free-TPU

4iOS手势识别

仓库akimach/GestureAI-CoreML-iOS⭐ 162

这个项目解决 iOS 设备上的手势识别问题，用户按住按钮即可实时识别手势。它通过 CoreML 集成训练好的 RNN 模型，展示了深度学习模型在移动端的完整接入流程，适合想学习 CoreML 与 RNN 结合、或开发手势交互功能的 iOS 开发者参考。

https://github.com/akimach/GestureAI-CoreML-iOS

5深度学习课程代码

仓库fotisk07/Deep-Learning-Coursera⭐ 137

这是吴恩达深度学习专项课程的完整编程作业代码库，覆盖神经网络、CNN、RNN/LSTM 等核心主题。项目以 Jupyter Notebook 形式提供从零手写反向传播到 TensorFlow/Keras 实战的逐步实现，并包含自动驾驶检测、人脸识别、音乐生成等工业级案例，适合深度学习初学者系统跟练课程作业。

https://github.com/fotisk07/Deep-Learning-Coursera

6梦境解码机器人

仓库saiwaiyanyu/tensorflow-bert-seq2seq-dream-decoder⭐ 128

该项目用 TensorFlow 和 Seq2Seq 模型实现“周公解梦”，将用户描述的梦境自动解码为对应的征兆解析。核心亮点是结合 RNN 与注意力机制构建问答式聊天机器人，并附带 3.3 万条训练数据，适合对 NLP 对话系统感兴趣的开发者用于学习或趣味实验。

https://github.com/saiwaiyanyu/tensorflow-bert-seq2seq-dream-decoder

7AI实验代码集

仓库kmsravindra/ML-AI-experiments⭐ 118

这是一个汇集 AI 与机器学习实验代码的仓库，方便开发者快速参考和复用各类模型实现。项目涵盖深度学习、NLP、LSTM、词嵌入等核心方向，并基于 Keras 提供可运行的 Notebook 示例，适合正在学习或实践 AI/ML 的开发者快速上手经典算法与实验流程。

https://github.com/kmsravindra/ML-AI-experiments

8字符级文本生成

仓库gsurma/text_predictor⭐ 118

基于字符级 RNN LSTM 模型，实现从任意文本数据集中学习并生成风格相似的新文本。项目提供多套预训练数据集（如莎士比亚、说唱歌词等），并支持自定义数据训练，操作简单，适合对深度学习文本生成感兴趣的开发者用于实验学习或快速生成特定风格的文本原型。

https://github.com/gsurma/text_predictor

9音频RNN推理

仓库michaelholmes4/NNComp⭐ 91

NNComp 为音频插件提供实时循环神经网络（RNN/LSTM/GRU）推理方案，解决传统压缩器建模延迟高的问题。其亮点是支持 PyTorch 训练模型一键转换为高效 C++ 代码，并内置带实时权重可视化的现代 GUI 插件，适合音频开发者和 AI 音乐技术研究者。

https://github.com/michaelholmes4/NNComp

10深度学习课程笔记

仓库yassouali/deeplearning.ai_notes⭐ 77

该项目整理了吴恩达深度学习专项课程五个方向的完整笔记，帮助学习者系统回顾神经网络、CNN、RNN 等核心知识。笔记按课程模块分文件组织，内容精炼，便于快速查阅和复习，适合正在学习或已修完该课程的中文开发者作为备查手册使用。

https://github.com/yassouali/deeplearning.ai_notes

11AI健身计数器

仓库abishekvashok/Rep-Counter⭐ 67

基于 Google PoseNet 人体姿态估计，实现 AI 自动计数健身动作重复次数。核心亮点是结合 RNN 分析关键点变化，支持实时摄像头或视频文件输入，可调节模型精度与容差，适合健身训练、体育科研或动作评估类开发者快速构建计数应用。

https://github.com/abishekvashok/Rep-Counter

12医学AI课程笔记

仓库seungjunlee96/AI-for-Medicine⭐ 63

这是对 Deeplearning.ai《AI for Medicine》专项课程的完整笔记与代码总结，帮你快速掌握 AI 在医疗诊断、预后和治疗三大场景的核心应用。亮点在于覆盖了从 CNN 影像识别、图像分割到随机森林预后模型及 NLP 医学文本提取的完整技术栈，适合想系统学习医学 AI 实战的开发者或数据科学家。

https://github.com/seungjunlee96/AI-for-Medicine

总结：今日开源日报呈现明显的“课程学习 + 垂直应用”双主线特征：一方面，吴恩达深度学习系列课程的笔记、作业代码持续占据榜单，反映出系统化学习资源仍是开发者刚需；另一方面，手势识别、音频处理、健身计数等端侧 AI 应用项目涌现，展示出模型落地到具体场景的实践热情。整体来看，开源社区正从“学 AI”向“用 AI”加速过渡。