[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-Atcold--NYU-DLSP20":3,"tool-Atcold--NYU-DLSP20":61},[4,18,26,36,44,53],{"id":5,"name":6,"github_repo":7,"description_zh":8,"stars":9,"difficulty_score":10,"last_commit_at":11,"category_tags":12,"status":17},4358,"openclaw","openclaw\u002Fopenclaw","OpenClaw 是一款专为个人打造的本地化 AI 助手，旨在让你在自己的设备上拥有完全可控的智能伙伴。它打破了传统 AI 助手局限于特定网页或应用的束缚，能够直接接入你日常使用的各类通讯渠道，包括微信、WhatsApp、Telegram、Discord、iMessage 等数十种平台。无论你在哪个聊天软件中发送消息，OpenClaw 都能即时响应，甚至支持在 macOS、iOS 和 Android 设备上进行语音交互，并提供实时的画布渲染功能供你操控。\n\n这款工具主要解决了用户对数据隐私、响应速度以及“始终在线”体验的需求。通过将 AI 部署在本地，用户无需依赖云端服务即可享受快速、私密的智能辅助，真正实现了“你的数据，你做主”。其独特的技术亮点在于强大的网关架构，将控制平面与核心助手分离，确保跨平台通信的流畅性与扩展性。\n\nOpenClaw 非常适合希望构建个性化工作流的技术爱好者、开发者，以及注重隐私保护且不愿被单一生态绑定的普通用户。只要具备基础的终端操作能力（支持 macOS、Linux 及 Windows WSL2），即可通过简单的命令行引导完成部署。如果你渴望拥有一个懂你",349277,3,"2026-04-06T06:32:30",[13,14,15,16],"Agent","开发框架","图像","数据工具","ready",{"id":19,"name":20,"github_repo":21,"description_zh":22,"stars":23,"difficulty_score":10,"last_commit_at":24,"category_tags":25,"status":17},3808,"stable-diffusion-webui","AUTOMATIC1111\u002Fstable-diffusion-webui","stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面，旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点，将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。\n\n无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师，还是想要深入探索模型潜力的开发者与研究人员，都能从中获益。其核心亮点在于极高的功能丰富度：不仅支持文生图、图生图、局部重绘（Inpainting）和外绘（Outpainting）等基础模式，还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外，它内置了 GFPGAN 和 CodeFormer 等人脸修复工具，支持多种神经网络放大算法，并允许用户通过插件系统无限扩展能力。即使是显存有限的设备，stable-diffusion-webui 也提供了相应的优化选项，让高质量的 AI 艺术创作变得触手可及。",162132,"2026-04-05T11:01:52",[14,15,13],{"id":27,"name":28,"github_repo":29,"description_zh":30,"stars":31,"difficulty_score":32,"last_commit_at":33,"category_tags":34,"status":17},1381,"everything-claude-code","affaan-m\u002Feverything-claude-code","everything-claude-code 是一套专为 AI 编程助手（如 Claude Code、Codex、Cursor 等）打造的高性能优化系统。它不仅仅是一组配置文件，而是一个经过长期实战打磨的完整框架，旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。\n\n通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能，everything-claude-code 能显著提升 AI 在复杂任务中的表现，帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略，使得模型响应更快、成本更低，同时有效防御潜在的攻击向量。\n\n这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库，还是需要 AI 协助进行安全审计与自动化测试，everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目，它融合了多语言支持与丰富的实战钩子（hooks），让 AI 真正成长为懂上",160015,2,"2026-04-18T11:30:52",[14,13,35],"语言模型",{"id":37,"name":38,"github_repo":39,"description_zh":40,"stars":41,"difficulty_score":32,"last_commit_at":42,"category_tags":43,"status":17},2271,"ComfyUI","Comfy-Org\u002FComfyUI","ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎，专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式，采用直观的节点式流程图界面，让用户通过连接不同的功能模块即可构建个性化的生成管线。\n\n这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景，也能自由组合模型、调整参数并实时预览效果，轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性，不仅支持 Windows、macOS 和 Linux 全平台，还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构，并率先支持 SDXL、Flux、SD3 等前沿模型。\n\n无论是希望深入探索算法潜力的研究人员和开发者，还是追求极致创作自由度的设计师与资深 AI 绘画爱好者，ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能，使其成为当前最灵活、生态最丰富的开源扩散模型工具之一，帮助用户将创意高效转化为现实。",109154,"2026-04-18T11:18:24",[14,15,13],{"id":45,"name":46,"github_repo":47,"description_zh":48,"stars":49,"difficulty_score":32,"last_commit_at":50,"category_tags":51,"status":17},6121,"gemini-cli","google-gemini\u002Fgemini-cli","gemini-cli 是一款由谷歌推出的开源 AI 命令行工具，它将强大的 Gemini 大模型能力直接集成到用户的终端环境中。对于习惯在命令行工作的开发者而言，它提供了一条从输入提示词到获取模型响应的最短路径，无需切换窗口即可享受智能辅助。\n\n这款工具主要解决了开发过程中频繁上下文切换的痛点，让用户能在熟悉的终端界面内直接完成代码理解、生成、调试以及自动化运维任务。无论是查询大型代码库、根据草图生成应用，还是执行复杂的 Git 操作，gemini-cli 都能通过自然语言指令高效处理。\n\n它特别适合广大软件工程师、DevOps 人员及技术研究人员使用。其核心亮点包括支持高达 100 万 token 的超长上下文窗口，具备出色的逻辑推理能力；内置 Google 搜索、文件操作及 Shell 命令执行等实用工具；更独特的是，它支持 MCP（模型上下文协议），允许用户灵活扩展自定义集成，连接如图像生成等外部能力。此外，个人谷歌账号即可享受免费的额度支持，且项目基于 Apache 2.0 协议完全开源，是提升终端工作效率的理想助手。",100752,"2026-04-10T01:20:03",[52,13,15,14],"插件",{"id":54,"name":55,"github_repo":56,"description_zh":57,"stars":58,"difficulty_score":32,"last_commit_at":59,"category_tags":60,"status":17},4721,"markitdown","microsoft\u002Fmarkitdown","MarkItDown 是一款由微软 AutoGen 团队打造的轻量级 Python 工具，专为将各类文件高效转换为 Markdown 格式而设计。它支持 PDF、Word、Excel、PPT、图片（含 OCR）、音频（含语音转录）、HTML 乃至 YouTube 链接等多种格式的解析，能够精准提取文档中的标题、列表、表格和链接等关键结构信息。\n\n在人工智能应用日益普及的今天，大语言模型（LLM）虽擅长处理文本，却难以直接读取复杂的二进制办公文档。MarkItDown 恰好解决了这一痛点，它将非结构化或半结构化的文件转化为模型“原生理解”且 Token 效率极高的 Markdown 格式，成为连接本地文件与 AI 分析 pipeline 的理想桥梁。此外，它还提供了 MCP（模型上下文协议）服务器，可无缝集成到 Claude Desktop 等 LLM 应用中。\n\n这款工具特别适合开发者、数据科学家及 AI 研究人员使用，尤其是那些需要构建文档检索增强生成（RAG）系统、进行批量文本分析或希望让 AI 助手直接“阅读”本地文件的用户。虽然生成的内容也具备一定可读性，但其核心优势在于为机器",93400,"2026-04-06T19:52:38",[52,14],{"id":62,"github_repo":63,"name":64,"description_en":65,"description_zh":66,"ai_summary_zh":66,"readme_en":67,"readme_zh":68,"quickstart_zh":69,"use_case_zh":70,"hero_image_url":71,"owner_login":72,"owner_name":73,"owner_avatar_url":74,"owner_bio":75,"owner_company":76,"owner_location":77,"owner_email":78,"owner_twitter":79,"owner_website":80,"owner_url":81,"languages":82,"stars":91,"forks":92,"last_commit_at":93,"license":94,"difficulty_score":32,"env_os":95,"env_gpu":96,"env_ram":96,"env_deps":97,"category_tags":103,"github_topics":104,"view_count":32,"oss_zip_url":78,"oss_zip_packed_at":78,"status":17,"created_at":109,"updated_at":110,"faqs":111,"releases":142},9139,"Atcold\u002FNYU-DLSP20","NYU-DLSP20","NYU Deep Learning Spring 2020","NYU-DLSP20 是纽约大学 2020 年春季深度学习课程的开源项目，旨在为学习者提供一套完整、可交互的深度学习教学资源。它解决了传统理论学习中缺乏动手实践环境的痛点，将视频讲座、文本资料与可执行的代码笔记（Jupyter Notebooks）紧密结合，让用户不仅能“看懂”原理，更能亲手运行和修改代码来验证算法。\n\n该项目非常适合希望系统入门或深化深度学习知识的开发者、研究人员及高校学生。无论是想要复现经典模型，还是探索前沿架构，用户都能从中获得扎实的实战训练。其独特亮点在于提供了基于 Miniconda 的一键环境配置方案，并支持通过 Binder 在浏览器中直接运行实验，极大降低了本地环境搭建的门槛。此外，课程材料已被翻译成包括中文在内的十多种语言，展现了极强的社区包容性。配合推荐的深色主题界面，NYU-DLSP20 为使用者营造了舒适且专业的沉浸式学习体验，是自学深度学习不可多得的优质资源库。","# NYU Deep Learning Spring 2020 (NYU-DLSP20) [![Binder](https:\u002F\u002Fmybinder.org\u002Fbadge_logo.svg)](https:\u002F\u002Fmybinder.org\u002Fv2\u002Fgh\u002FAtcold\u002FNYU-DLSP20\u002Fmaster)\n\nThis notebook repository now has a [companion website](https:\u002F\u002Fatcold.github.io\u002FNYU-DLSP20\u002F), where all the course material can be found in video and textual format.\n\n\u003C!-- English - Mandarin - Korean - Spanish - Italian - Turkish - Japanese - Arabic - French - Farsi - Russian - Vietnamese - Serbian - Portuguese -->\n[🇬🇧](https:\u002F\u002Fgithub.com\u002FAtcold\u002FNYU-DLSP20\u002Fblob\u002Fmaster\u002FREADME.md)   [🇨🇳](https:\u002F\u002Fgithub.com\u002FAtcold\u002FNYU-DLSP20\u002Fblob\u002Fmaster\u002Fdocs\u002Fzh\u002FREADME-ZH.md)   [🇰🇷](https:\u002F\u002Fgithub.com\u002FAtcold\u002FNYU-DLSP20\u002Fblob\u002Fmaster\u002Fdocs\u002Fko\u002FREADME-KO.md)   [🇪🇸](https:\u002F\u002Fgithub.com\u002FAtcold\u002FNYU-DLSP20\u002Fblob\u002Fmaster\u002Fdocs\u002Fes\u002FREADME-ES.md)   [🇮🇹](https:\u002F\u002Fgithub.com\u002FAtcold\u002FNYU-DLSP20\u002Fblob\u002Fmaster\u002Fdocs\u002Fit\u002FREADME-IT.md)   [🇹🇷](https:\u002F\u002Fgithub.com\u002FAtcold\u002FNYU-DLSP20\u002Fblob\u002Fmaster\u002Fdocs\u002Ftr\u002FREADME-TR.md)   [🇯🇵](https:\u002F\u002Fgithub.com\u002FAtcold\u002FNYU-DLSP20\u002Fblob\u002Fmaster\u002Fdocs\u002Fja\u002FREADME-JA.md)   [🇸🇦](https:\u002F\u002Fgithub.com\u002FAtcold\u002FNYU-DLSP20\u002Fblob\u002Fmaster\u002Fdocs\u002Far\u002FREADME-AR.md)   [🇫🇷](https:\u002F\u002Fgithub.com\u002FAtcold\u002FNYU-DLSP20\u002Fblob\u002Fmaster\u002Fdocs\u002Ffr\u002FREADME-FR.md)   [🇮🇷](https:\u002F\u002Fgithub.com\u002FAtcold\u002FNYU-DLSP20\u002Fblob\u002Fmaster\u002Fdocs\u002Ffa\u002FREADME-FA.md)   [🇷🇺](https:\u002F\u002Fgithub.com\u002FAtcold\u002FNYU-DLSP20\u002Fblob\u002Fmaster\u002Fdocs\u002Fru\u002FREADME-RU.md)   [🇻🇳](https:\u002F\u002Fgithub.com\u002FAtcold\u002FNYU-DLSP20\u002Fblob\u002Fmaster\u002Fdocs\u002Fvi\u002FREADME-VI.md)   [🇷🇸](https:\u002F\u002Fgithub.com\u002FAtcold\u002FNYU-DLSP20\u002Fblob\u002Fmaster\u002Fdocs\u002Fsr\u002FREADME-SR.md)   [🇵🇹](https:\u002F\u002Fgithub.com\u002FAtcold\u002FNYU-DLSP20\u002Fblob\u002Fmaster\u002Fdocs\u002Fpt\u002FREADME-PT.md)   [🇭🇺](https:\u002F\u002Fgithub.com\u002FAtcold\u002FNYU-DLSP20\u002Fblob\u002Fmaster\u002Fdocs\u002Fhu\u002FREADME-HU.md)\n\n\n# Getting started\n\nTo be able to follow the exercises, you are going to need a laptop with Miniconda (a minimal version of Anaconda) and several Python packages installed.\nThe following instruction would work as is for Mac or Ubuntu Linux users, Windows users would need to install and work in the [Git BASH](https:\u002F\u002Fgitforwindows.org\u002F) terminal.\n\n\n## Download and install Miniconda\n\nPlease go to the [Anaconda website](https:\u002F\u002Fconda.io\u002Fminiconda.html).\nDownload and install *the latest* Miniconda version for *Python* $\\geq$ 3.7 for your operating system.\n\n```bash\nwget \u003Chttp:\u002F\u002F link to miniconda>\nsh \u003Cminiconda*.sh>\n```\n\n\n## Check-out the git repository with the exercise\n\nOnce Miniconda is ready, checkout the course repository and proceed with setting up the environment:\n\n```bash\ngit clone https:\u002F\u002Fgithub.com\u002FAtcold\u002FNYU-DLSP20.git\n```\n\n\n## Create isolated Miniconda environment\n\nChange directory (`cd`) into the course folder, then type:\n\n```bash\n# cd NYU-DLSP20\nconda env create -f environment.yml\nsource activate NYU-DL\n```\n\n\n## Start Jupyter Notebook or JupyterLab\n\nStart from terminal as usual:\n\n```bash\njupyter lab\n```\n\nOr, for the classic interface:\n\n```bash\njupyter notebook\n```\n\n\n## Notebooks visualisation\n\n*Jupyter Notebooks* are used throughout these lectures for interactive data exploration and visualisation.\n\nWe use dark styles for both *GitHub* and *Jupyter Notebook*.\nYou should try to do the same, or they will look ugly.\nJupyterLab has a built-in selectable dark theme, so you only need to install something if you want to use the classic notebook interface.\nTo see the content appropriately in the classic interface install the following:\n\n - [*Jupyter Notebook* dark theme](https:\u002F\u002Fuserstyles.org\u002Fstyles\u002F153443\u002Fjupyter-notebook-dark);\n - [*GitHub* dark theme](https:\u002F\u002Fuserstyles.org\u002Fstyles\u002F37035\u002Fgithub-dark) and comment out the `invert #fff to #181818` code block.\n","# 纽约大学深度学习春季课程 2020 (NYU-DLSP20) [![Binder](https:\u002F\u002Fmybinder.org\u002Fbadge_logo.svg)](https:\u002F\u002Fmybinder.org\u002Fv2\u002Fgh\u002FAtcold\u002FNYU-DLSP20\u002Fmaster)\n\n该笔记本仓库现在有一个[配套网站](https:\u002F\u002Fatcold.github.io\u002FNYU-DLSP20\u002F)，所有课程资料都可以在视频和文本格式中找到。\n\n\u003C!-- 英语 - 中文 - 韩语 - 西班牙语 - 意大利语 - 土耳其语 - 日语 - 阿拉伯语 - 法语 - 波斯语 - 俄语 - 越南语 - 塞尔维亚语 - 葡萄牙语 -->\n[🇬🇧](https:\u002F\u002Fgithub.com\u002FAtcold\u002FNYU-DLSP20\u002Fblob\u002Fmaster\u002FREADME.md)   [🇨🇳](https:\u002F\u002Fgithub.com\u002FAtcold\u002FNYU-DLSP20\u002Fblob\u002Fmaster\u002Fdocs\u002Fzh\u002FREADME-ZH.md)   [🇰🇷](https:\u002F\u002Fgithub.com\u002FAtcold\u002FNYU-DLSP20\u002Fblob\u002Fmaster\u002Fdocs\u002Fko\u002FREADME-KO.md)   [🇪🇸](https:\u002F\u002Fgithub.com\u002FAtcold\u002FNYU-DLSP20\u002Fblob\u002Fmaster\u002Fdocs\u002Fes\u002FREADME-ES.md)   [🇮🇹](https:\u002F\u002Fgithub.com\u002FAtcold\u002FNYU-DLSP20\u002Fblob\u002Fmaster\u002Fdocs\u002Fit\u002FREADME-IT.md)   [🇹🇷](https:\u002F\u002Fgithub.com\u002FAtcold\u002FNYU-DLSP20\u002Fblob\u002Fmaster\u002Fdocs\u002Ftr\u002FREADME-TR.md)   [🇯🇵](https:\u002F\u002Fgithub.com\u002FAtcold\u002FNYU-DLSP20\u002Fblob\u002Fmaster\u002Fdocs\u002Fja\u002FREADME-JA.md)   [🇸🇦](https:\u002F\u002Fgithub.com\u002FAtcold\u002FNYU-DLSP20\u002Fblob\u002Fmaster\u002Fdocs\u002Far\u002FREADME-AR.md)   [🇫🇷](https:\u002F\u002Fgithub.com\u002FAtcold\u002FNYU-DLSP20\u002Fblob\u002Fmaster\u002Fdocs\u002Ffr\u002FREADME-FR.md)   [🇮🇷](https:\u002F\u002Fgithub.com\u002FAtcold\u002FNYU-DLSP20\u002Fblob\u002Fmaster\u002Fdocs\u002Ffa\u002FREADME-FA.md)   [🇷🇺](https:\u002F\u002Fgithub.com\u002FAtcold\u002FNYU-DLSP20\u002Fblob\u002Fmaster\u002Fdocs\u002Fru\u002FREADME-RU.md)   [🇻🇳](https:\u002F\u002Fgithub.com\u002FAtcold\u002FNYU-DLSP20\u002Fblob\u002Fmaster\u002Fdocs\u002Fvi\u002FREADME-VI.md)   [🇷🇸](https:\u002F\u002Fgithub.com\u002FAtcold\u002FNYU-DLSP20\u002Fblob\u002Fmaster\u002Fdocs\u002Fsr\u002FREADME-SR.md)   [🇵🇹](https:\u002F\u002Fgithub.com\u002FAtcold\u002FNYU-DLSP20\u002Fblob\u002Fmaster\u002Fdocs\u002Fpt\u002FREADME-PT.md)   [🇭🇺](https:\u002F\u002Fgithub.com\u002FAtcold\u002FNYU-DLSP20\u002Fblob\u002Fmaster\u002Fdocs\u002Fhu\u002FREADME-HU.md)\n\n\n# 入门\n\n为了能够跟随练习，你需要一台安装了 Miniconda（Anaconda 的精简版）以及若干 Python 包的笔记本电脑。\n以下说明对于 Mac 或 Ubuntu Linux 用户可以直接使用；Windows 用户则需要安装并使用 [Git BASH](https:\u002F\u002Fgitforwindows.org\u002F) 终端。\n\n\n## 下载并安装 Miniconda\n\n请访问 [Anaconda 官网](https:\u002F\u002Fconda.io\u002Fminiconda.html)。\n根据你的操作系统下载并安装 *最新* 版本的 Miniconda，且要求 Python 版本 $\\geq$ 3.7。\n\n```bash\nwget \u003Cminiconda 下载链接>\nsh \u003Cminiconda*.sh>\n```\n\n\n## 克隆包含练习的 Git 仓库\n\nMiniconda 准备就绪后，克隆课程仓库并继续设置环境：\n\n```bash\ngit clone https:\u002F\u002Fgithub.com\u002FAtcold\u002FNYU-DLSP20.git\n```\n\n\n## 创建独立的 Miniconda 环境\n\n切换到课程文件夹，然后输入：\n\n```bash\n# cd NYU-DLSP20\nconda env create -f environment.yml\nsource activate NYU-DL\n```\n\n\n## 启动 Jupyter Notebook 或 JupyterLab\n\n从终端正常启动：\n\n```bash\njupyter lab\n```\n\n或者，使用经典界面：\n\n```bash\njupyter notebook\n```\n\n\n## 笔记本可视化\n\n这些课程中广泛使用 *Jupyter Notebooks* 进行交互式数据探索和可视化。\n\n我们对 *GitHub* 和 *Jupyter Notebook* 都采用了深色主题。\n你也应该尝试这样做，否则它们看起来会很丑。\nJupyterLab 内置了可选的深色主题，因此只有当你想使用经典笔记本界面时才需要额外安装。\n要在经典界面中正确显示内容，请安装以下内容：\n\n - [*Jupyter Notebook* 深色主题](https:\u002F\u002Fuserstyles.org\u002Fstyles\u002F153443\u002Fjupyter-notebook-dark);\n - [*GitHub* 深色主题](https:\u002F\u002Fuserstyles.org\u002Fstyles\u002F37035\u002Fgithub-dark)，并注释掉 `invert #fff to #181818` 这段代码。","# NYU-DLSP20 快速上手指南\n\n本指南帮助中国开发者快速搭建纽约大学 2020 春季深度学习课程（NYU-DLSP20）的本地实验环境。\n\n## 环境准备\n\n*   **操作系统**：macOS、Ubuntu Linux 或 Windows。\n    *   *Windows 用户注意*：请安装并在使用 [Git BASH](https:\u002F\u002Fgitforwindows.org\u002F) 终端进行操作，以确保命令兼容性。\n*   **核心依赖**：Miniconda（Python 版本需 $\\geq$ 3.7）。\n*   **网络建议**：由于仓库托管在 GitHub，国内用户建议在克隆代码或下载包时配置代理，或使用国内镜像源加速 Conda 包下载。\n\n## 安装步骤\n\n### 1. 下载并安装 Miniconda\n访问 [Anaconda 官网](https:\u002F\u002Fconda.io\u002Fminiconda.html) 下载适用于你操作系统的最新版 Miniconda (Python 3.7+)。\n\n**Linux\u002FmacOS 命令行安装示例：**\n```bash\nwget \u003Chttp:\u002F\u002F link to miniconda>\nsh \u003Cminiconda*.sh>\n```\n*(请将 `\u003Chttp:\u002F\u002F link to miniconda>` 替换为实际下载链接)*\n\n### 2. 克隆课程仓库\n将包含练习代码的仓库下载到本地：\n```bash\ngit clone https:\u002F\u002Fgithub.com\u002FAtcold\u002FNYU-DLSP20.git\n```\n\n### 3. 创建隔离环境\n进入项目目录并利用 `environment.yml` 文件创建名为 `NYU-DL` 的 Conda 环境：\n```bash\ncd NYU-DLSP20\nconda env create -f environment.yml\nsource activate NYU-DL\n```\n*> 注：若下载依赖包速度较慢，可临时配置清华或中科大 Conda 镜像源。*\n\n## 基本使用\n\n环境激活后，即可启动 Jupyter 界面开始交互式学习与数据可视化。\n\n**启动 JupyterLab（推荐）：**\n```bash\njupyter lab\n```\n\n**或启动经典版 Jupyter Notebook：**\n```bash\njupyter notebook\n```\n\n**💡 视觉优化提示：**\n本课程笔记采用深色风格设计。\n*   **JupyterLab**：内置深色主题，可在设置中直接切换。\n*   **经典 Notebook**：为了获得最佳阅读体验，建议安装 [*Jupyter Notebook dark theme*](https:\u002F\u002Fuserstyles.org\u002Fstyles\u002F153443\u002Fjupyter-notebook-dark) 浏览器插件，并为 GitHub 页面安装深色主题插件。","一位刚接触深度学习的研究生试图复现论文中的卷积神经网络模型，却因环境配置混乱和缺乏系统代码参考而举步维艰。\n\n### 没有 NYU-DLSP20 时\n- **环境地狱**：手动安装 PyTorch、NumPy 等依赖库时版本冲突频发，花费数天调试仍无法运行\"Hello World\"级别的代码。\n- **理论脱节**：看懂了数学公式却无法将其转化为可执行的张量操作，卡在从理论到代码的“最后一公里”。\n- **资源碎片化**：需要在 Stack Overflow、零散博客和官方文档间反复跳转搜索，难以形成完整的知识体系。\n- **可视化缺失**：只能打印枯燥的数值日志，无法直观观察损失函数下降趋势或特征图变化，调试如同盲人摸象。\n\n### 使用 NYU-DLSP20 后\n- **一键启动**：通过 `environment.yml` 文件一键构建隔离的 Conda 环境，彻底解决依赖冲突，5 分钟内即可开始编码。\n- **交互式学习**：直接运行配套的 Jupyter Notebook，逐步修改超参数并实时查看代码如何具体实现反向传播等核心算法。\n- **体系化路径**：跟随课程设计的笔记顺序，从基础线性回归到复杂生成模型，获得结构清晰且带视频讲解的学习路径。\n- **直观洞察**：利用内置的深色主题和可视化代码，即时渲染出训练动态和中间层特征，快速定位模型不收敛的原因。\n\nNYU-DLSP20 将抽象的深度学习理论转化为可交互、可视化的代码实践，让学习者从繁琐的环境配置中解放出来，专注于算法核心的理解与创新。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FAtcold_NYU-DLSP20_3271ecad.png","Atcold","Alfredo Canziani","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002FAtcold_99d51973.png","Musician, math lover, cook, dancer, 🏳️‍🌈, and assistant professor of Computer Science at New York University\r\n","NYU","New York City",null,"alfcnz","https:\u002F\u002Fatcold.github.io\u002F","https:\u002F\u002Fgithub.com\u002FAtcold",[83,87],{"name":84,"color":85,"percentage":86},"Jupyter Notebook","#DA5B0B",98.6,{"name":88,"color":89,"percentage":90},"Python","#3572A5",1.4,6801,2234,"2026-04-18T09:04:23","NOASSERTION","Linux, macOS, Windows","未说明",{"notes":98,"python":99,"dependencies":100},"Windows 用户需安装并在 Git BASH 终端中工作。环境通过 environment.yml 文件创建（具体依赖库版本需查看该文件，README 未列出）。建议为 Jupyter Notebook 和 GitHub 安装深色主题以获得最佳视觉体验。",">=3.7",[101,84,102],"Miniconda","JupyterLab",[14],[105,106,107,108],"jupyter-notebook","pytorch","deep-learning","neural-nets","2026-03-27T02:49:30.150509","2026-04-18T22:36:25.977415",[112,117,122,127,132,137],{"id":113,"question_zh":114,"answer_zh":115,"source_url":116},41018,"为什么 Markdown 文件中的 LaTeX 公式（KaTeX）无法正确渲染？","通常是因为公式块中包含了不必要的标签（如 \\label{}）或缺少空行。解决方法是：移除 \\label{}，并在公式块（$$...$$）的前后各添加一个空行。例如：\n\n$$\nf(x) = \\tanh\\bigg(\\begin{bmatrix} s & 0 \\\\ 0 & s \\end{bmatrix} \\bigg)\n$$\n\n确保前后有空白行分隔即可正常渲染。","https:\u002F\u002Fgithub.com\u002FAtcold\u002FNYU-DLSP20\u002Fissues\u002F75",{"id":118,"question_zh":119,"answer_zh":120,"source_url":121},41019,"如何为项目贡献其他语言（如葡萄牙语、韩语等）的翻译文件？","建议先通过邮件联系维护者（邮箱格式为 姓氏@nyu.edu），以便被添加到项目的 Slack 频道中进行协调。维护者通常会在那里组织翻译工作并分配任务，而不是直接通过 Issue 提交。翻译文件最终会通过 Wiki 和 Slack 进行管理和合并。","https:\u002F\u002Fgithub.com\u002FAtcold\u002FNYU-DLSP20\u002Fissues\u002F53",{"id":123,"question_zh":124,"answer_zh":125,"source_url":126},41020,"如何在仓库中上传或替换课程笔记中的图片？","没有严格的限制，通常只需将图片推送到 `docs\u002Fimages\u002FweekXX\u002FXX-x\u002F` 目录下即可。关于图片来源，可以直接截取幻灯片（Slides）中的图像作为截图上传，无需担心分辨率问题，只要清晰可读即可。修复后可以通过 Pull Request (PR) 提交。","https:\u002F\u002Fgithub.com\u002FAtcold\u002FNYU-DLSP20\u002Fissues\u002F413",{"id":128,"question_zh":129,"answer_zh":130,"source_url":131},41021,"提交修复代码后，如何自动关闭对应的 GitHub Issue？","可以在 Commit 信息（commit message）或 Commit 评论中直接输入特定关键词来自动关闭 Issue。常用的命令格式为：\n\n> Close #Issue编号\n\n或\n\n> Fix #Issue编号\n\n例如，修复第 402 号问题，只需在提交信息中写入 \"Fix #402\"，合并后该 Issue 会自动关闭。","https:\u002F\u002Fgithub.com\u002FAtcold\u002FNYU-DLSP20\u002Fissues\u002F402",{"id":133,"question_zh":134,"answer_zh":135,"source_url":136},41022,"多语言翻译页面（如西班牙语、法语）在 github.io 上显示混乱或包含英文原文怎么办？","这通常是由于自动翻译工具出错或 PR 合并后网站构建延迟导致的。如果是布局混乱（如英文和译文混杂），通常需要手动调整 Markdown 文件中的块间距。如果文件在仓库中已修正但网站未更新，可能需要等待站点重新构建；若长时间未更新，则需检查是否缺少必要的空格分隔符或存在合并冲突。","https:\u002F\u002Fgithub.com\u002FAtcold\u002FNYU-DLSP20\u002Fissues\u002F775",{"id":138,"question_zh":139,"answer_zh":140,"source_url":141},41023,"发现课程笔记中某处的行内 LaTeX 公式显示错误（特别是在中文翻译版中），该如何处理？","这通常是特定章节的渲染问题。用户应报告具体章节（如 lecture 13-3），维护者会通过 Pull Request (PR) 进行修复。在修复期间，可以查看该章节的独立链接确认问题是否已解决。此类问题通常由语法错误或渲染引擎对特定字符的处理引起，需通过代码层面的 PR 来统一修复。","https:\u002F\u002Fgithub.com\u002FAtcold\u002FNYU-DLSP20\u002Fissues\u002F618",[143,148,153],{"id":144,"version":145,"summary_zh":146,"released_at":147},324585,"dlsp19","这是纽约大学2019年春季深度学习课程的讲义。本课程探讨深度学习与表示学习领域的最新技术，重点包括有监督和无监督深度学习、嵌入方法、度量学习、卷积神经网络和循环神经网络，并将其应用于计算机视觉、自然语言理解及语音识别等领域。\n\n这些讲义为初稿，其内容源自为非洲机器智能硕士项目（AMMI）开发的课程。您可以通过此链接访问该版本：[这里](https:\u002F\u002Fgithub.com\u002FAtcold\u002Fpytorch-Deep-Learning-Minicourse\u002Freleases\u002Ftag\u002Faims-fl18)","2020-01-30T21:51:40",{"id":149,"version":150,"summary_zh":151,"released_at":152},324586,"aims-fl18","非洲机器智能大师班（AMMI）是由非洲数学科学研究所（AIMS）主导的非洲旗舰机器智能项目。\n这些课程是在我于普渡大学和纽约大学任教的数年间逐步开发而成，现特此推荐用于AMMI（AIMS）项目。\n\n在为AMMI（AIMS）开设本课程之前，其早期版本已在普林斯顿大学举办的高能物理计算与数据科学暑期学校（[CoDaS-HEP](http:\u002F\u002Fcodas-hep.org\u002F)）上讲授并录制了视频。有关该版本的发布信息，请参阅[此处](https:\u002F\u002Fgithub.com\u002FAtcold\u002Fpytorch-Deep-Learning-Minicourse\u002Freleases\u002Ftag\u002Fv1.0.0)。","2020-01-30T21:44:24",{"id":154,"version":155,"summary_zh":156,"released_at":157},324587,"v1.0.0","点击[`CoDaS-HEP_2018`](https:\u002F\u002Fgithub.com\u002FAtcold\u002Fpytorch-Deep-Learning-Minicourse\u002Ftree\u002FCoDaS-HEP_2018)即可跳转到该版本。\n\n这些课程是在我于普渡大学和纽约大学任教的数年间逐步开发而成，现特此推荐给普林斯顿大学举办的高能物理计算与数据科学（[CoDaS-HEP](http:\u002F\u002Fcodas-hep.org\u002F)）暑期学校。整套课程已全程录制，播放列表请见[这里](https:\u002F\u002Fwww.youtube.com\u002Fplaylist?list=PLLHTzKZzVU9duBIJCVGRh3tiy39d7Iz1q)。如需更高画质的图表，请查看幻灯片。","2018-11-05T07:48:33"]