AI 与大模型
annotated_deep_learning_paper_implementations · 工程清单卡
annotated_deep_learning_paper_implementations：大模型应用，GitHub 星标 67.6k · GitHub 星标 67.6k
¥2.9
一次性
商品说明
- 角色：大模型应用
- 栈与门槛：Python / 中
- 许可口径：MIT · 宽松许可
- 信号：GitHub 星标 67.6k
- 收录：1 个来源
解决深度学习论文中模型实现的接入问题，提供基于Attention的现成实现，适合做AI原型与产品化的开发者和小团队使用。部署需填好模型端点与密钥，注意token成本、速率限制与数据出境要求，技术栈为Python，难度中等。需注意许可证宽松但需保留版权与许可声明，公开元数据不含SLA、商业支持与安全审计信息，生产使用前需自测。
付款后生成带授权码的交付文件，可在交付页下载。
公开事实元数据
| 许可证 | MIT |
|---|---|
| 主要语言 | Python |
| 平台 / 标签 | GitHub · attention · deep-learning · deep-learning-tutorial |
| GitHub 星标 | 67.7k |
| 最近提交 | 2026-11-02 |
| 来源 | https://github.com/labmlai/annotated_deep_learning_paper_implementations |
| 官网 | https://nn.labml.ai |
| 文档 | https://github.com/labmlai/annotated_deep_learning_paper_implementations#readme |
| 演示 | https://nn.labml.ai |
| 核验时间 | 2026-11-04 |
本页事实字段来自公开来源，抓取与核验时间见上表；未获取到的字段一律标注 unknown，不做推测。
交付清单
1 份 Markdown 交付文件，共 9 个章节：
- 一句话定位
- 公开事实元数据（抓取时快照）
- 1. 解决什么问题
- 2. 适用人群
- 3. 技术栈与部署门槛
- 4. 与同类项目的差异
- 5. 已知短板与风险
- 上手路径建议
- 合规与使用边界
兼容性
| 主要语言 | Python |
|---|---|
| 平台 / 标签 | attention · deep-learning · deep-learning-tutorial |
| 许可证 | MIT |
常见问题
买到的是什么形式？
一份 Markdown 交付文件，含 9 个章节（一句话定位 / 公开事实元数据（抓取时快照） / 1. 解决什么问题 / 2. 适用人群 等），付款后生成带授权码的下载文件。
许可证是否允许商用？
元数据记录为 MIT；具体商用范围以原仓库 LICENSE 原文为准，本店不额外授予权利。
项目还在维护吗？
最近一次上游提交：2026-11-02，数据抓取时间 2026-11-04。
需要什么运行环境？
主要语言 Python；其余依赖以包内依赖清单为准。
同类对比
| 商品 | 价格 | 许可证 | 最近提交 |
|---|---|---|---|
| coze-studio · 生态位观察 | ¥2.9 | Apache-2.0 | 2026-07-29 |
| machine-learning-for-trading · 项目档案 | ¥2.9 | MIT | 2026-11-03 |
| FinGPT · 上手避坑卡 | ¥2.9 | MIT | 2026-10-25 |
同分类商品
- coze-studio · 生态位观察 ¥2.9
- machine-learning-for-trading · 项目档案 ¥2.9
- FinGPT · 上手避坑卡 ¥2.9
- Vane · 技术雷达卡 ¥2.9
- gpt4free · 选型笔记 ¥2.9
- GPT-SoVITS · 导航评测卡 ¥2.9