[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-Megvii-BaseDetection--cvpods":3,"tool-Megvii-BaseDetection--cvpods":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",159636,2,"2026-04-17T23:33:34",[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。",108322,"2026-04-10T11:39:34",[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":72,"owner_avatar_url":73,"owner_bio":74,"owner_company":75,"owner_location":75,"owner_email":76,"owner_twitter":75,"owner_website":75,"owner_url":77,"languages":78,"stars":99,"forks":100,"last_commit_at":101,"license":102,"difficulty_score":103,"env_os":104,"env_gpu":105,"env_ram":106,"env_deps":107,"category_tags":114,"github_topics":116,"view_count":32,"oss_zip_url":75,"oss_zip_packed_at":75,"status":17,"created_at":126,"updated_at":127,"faqs":128,"releases":158},8831,"Megvii-BaseDetection\u002Fcvpods","cvpods","All-in-one Toolbox for Computer Vision Research.","cvpods 是一款专为计算机视觉研究打造的一站式开源工具箱，由旷视科技（Megvii）团队开发。它旨在解决研究人员在面对分类、分割、检测、关键点识别及 3D 视觉等多种任务时，代码库分散、实验管理复杂以及任务切换困难的痛点。通过提供统一且高效的代码架构，cvpods 让用户能够轻松管理实验流程，并在不同视觉任务间无缝切换。\n\n这款工具主要面向计算机视觉领域的算法工程师、科研人员及高校学生。其核心亮点在于强大的兼容性与扩展性：不仅内置了覆盖约 15 个数据集、10 类任务的 50 多种主流方法模型库，还成功支撑了 AutoAssign、YOLOF 等多个前沿研究项目。cvpods 基于 PyTorch 构建，支持从单机到多节点分布式训练的灵活部署，并提供了详尽的教程与文档，帮助用户快速上手推理与训练流程。无论是复现经典算法还是探索新的研究方向，cvpods 都能成为你高效开展视觉研究的得力助手。","\u003Cdiv align=center>\u003Cimg src=\".github\u002Fcvpods_logo.png\" width=\"400\" >\u003Cdiv align=left>\n\n[![cvpods compliant](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002Fcvpods-master-brightgreen)](https:\u002F\u002Fgithub.com\u002FMegvii-BaseDetection\u002Fcvpods)\n![ci](https:\u002F\u002Fgithub.com\u002FMegvii-BaseDetection\u002Fcvpods\u002Fworkflows\u002Fbuild\u002Fbadge.svg?branch=master)\n\nWelcome to **cvpods**, a versatile and efficient codebase for many computer vision tasks: classification, segmentation, detection, self-supervised learning, keypoints and 3D(classification \u002F segmentation \u002F detection \u002F representation learing), etc. The aim of cvpods is to achieve efficient experiments management and smooth tasks-switching.\n\n\u003Cdiv align=center>\u003Cimg src=\".github\u002Fcvpods_tasks.png\">\u003Cdiv align=left>\n\n>  Each sub-image denotes a task. All images are from search engine.\n\n## Table of Contents\n\n- [Changelog](#changelog)\n- [Install](#install)\n- [Usage](#usage)\n\t- [Get started](#get-start)\n\t- [Step-by-step tutorial](#tutorials)\n- [Model Zoo](#model-zoo)\n- [Contributing](#contributing)\n- [License](#license)\n- [Citation](#citation)\n- [Acknowledgement](#acknowledgement)\n\n## Changelog \n* Dec. 03, 2020: cvpods v0.1 released.\n\n## Install\n\n### Requirements\n\n* Linux with Python ≥ 3.6\n* PyTorch ≥ 1.3 and torchvision that matches the PyTorch installation. You can install them together at pytorch.org to make sure of this\n* OpenCV is optional and needed by demo and visualization\n\n### Build cvpods from source \n\n**Make sure GPU is available on your local machine.**\n\n```shell\n# Install cvpods with GPU directly \npip install 'git+https:\u002F\u002Fgithub.com\u002FMegvii-BaseDetection\u002Fcvpods.git' --user\n\n# Or, to install it with GPU from a local clone:\ngit clone https:\u002F\u002Fgithub.com\u002FMegvii-BaseDetection\u002Fcvpods.git\npip install -e cvpods --user \n\n# Or, to build it without GPU from a local clone:\nFORCE_CUDA=1 pip install -e cvpods --user\n\n```\n\n## Usage\nHere we demonstrate the basic usage of cvpods (Inference & Train). For more features of cvpods, please refer to our documentation or provided tutorials.\n\n### Get Start \nHere we use coco object detection task as an example.\n```\n# Preprare data path\nln -s \u002Fpath\u002Fto\u002Fyour\u002Fcoco\u002Fdataset datasets\u002Fcoco\n\n# Enter a specific experiment dir \ncd playground\u002Fretinanet\u002Fretinanet.res50.fpn.coco.multiscale.1x\n\n# Train\npods_train --num-gpus 8\n# Test\npods_test --num-gpus 8 \\\n    MODEL.WEIGHTS \u002Fpath\u002Fto\u002Fyour\u002Fsave_dir\u002Fckpt.pth # optional\n    OUTPUT_DIR \u002Fpath\u002Fto\u002Fyour\u002Fsave_dir # optional\n\n# Multi node training\n## sudo apt install net-tools ifconfig\npods_train --num-gpus 8 --num-machines N --machine-rank 0\u002F1\u002F...\u002FN-1 --dist-url \"tcp:\u002F\u002FMASTER_IP:port\"\n```\n\n### Tutorials\n\nWe provide a detailed tutorial, which covers introduction, usage, and extend guides in [cvpods_tutorials](https:\u002F\u002Fgithub.com\u002FMegvii-BaseDetection\u002Fcvpods\u002Fblob\u002Fmaster\u002Fdocs\u002Ftutorials\u002Fcvpods%20tutorials.ipynb). For all API usages, please\nrefer to our [documentation](https:\u002F\u002Fcvpods.readthedocs.io\u002F).\n\n## Model ZOO \n\nFor all the models supported by cvpods, please refer to [MODEL_ZOO](https:\u002F\u002Fgithub.com\u002FMegvii-BaseDetection\u002Fcvpods\u002Fblob\u002Fmaster\u002Fplayground\u002FREADME.md). We provide 50+ methods across ~15 dataset and ~10 computer vision tasks. cvpods has also supported many research projects of MEGVII Research.\n\n### Projects based on cvpods\n> List is sorted by names.\n* [AutoAssign](https:\u002F\u002Fgithub.com\u002FMegvii-BaseDetection\u002FAutoAssign)\n* [BorderDet](https:\u002F\u002Fgithub.com\u002FMegvii-BaseDetection\u002FBorderDet)\n* [DeFCN](https:\u002F\u002Fgithub.com\u002FMegvii-BaseDetection\u002FDeFCN)\n* [DisAlign](https:\u002F\u002Fgithub.com\u002FMegvii-BaseDetection\u002FDisAlign)\n* [DynamicHead](https:\u002F\u002Fgithub.com\u002FStevenGrove\u002FDynamicHead)\n* [DynamicRouting](https:\u002F\u002Fgithub.com\u002FMegvii-BaseDetection\u002FDynamicRouting)\n* [LearnableTreeFilterV2](https:\u002F\u002Fgithub.com\u002FStevenGrove\u002FLearnableTreeFilterV2)\n* [LLA](https:\u002F\u002Fgithub.com\u002FMegvii-BaseDetection\u002FLLA)\n* [OTA](https:\u002F\u002Fgithub.com\u002FMegvii-BaseDetection\u002FOTA)\n* [SelfSup](https:\u002F\u002Fgithub.com\u002Fpoodarchu\u002FSelfSup)\n* [YOLOF](https:\u002F\u002Fgithub.com\u002Fmegvii-model\u002FYOLOF)\n\n\n## Contributing \nAny kind of contributions (new models \u002F bug report \u002F typo \u002F docs) are welcomed. Please refer to [CONTRIBUTING](CONTRIBUTING.md) for more details.\n\n## License\n\n[Apache v2](LICENSE) © Base Detection \n\n## Acknowledgement and special thanks\n\ncvpods adopts many components (e.g. network layers) of Detectron2, while cvpods has many advantanges in task support, speed, usability, etc. For more details about official detectron2, please check [DETECTRON2](https:\u002F\u002Fgithub.com\u002Ffacebookresearch\u002Fdetectron2\u002Fblob\u002Fmaster\u002FREADME.md)\n\n## Citing cvpods\n\nIf you are using cvpods in your research or wish to refer to the baseline results published in this repo, please use the following BibTeX entry.\n\n```BibTeX\n@misc{zhu2020cvpods,\n  title={cvpods: All-in-one Toolbox for Computer Vision Research},\n  author={Zhu*, Benjin and Wang*, Feng and Wang, Jianfeng and Yang, Siwei and Chen, Jianhu and Li, Zeming},\n  year={2020}\n}\n```\n","\u003Cdiv align=center>\u003Cimg src=\".github\u002Fcvpods_logo.png\" width=\"400\" >\u003Cdiv align=left>\n\n[![cvpods 兼容](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002Fcvpods-master-brightgreen)](https:\u002F\u002Fgithub.com\u002FMegvii-BaseDetection\u002Fcvpods)\n![ci](https:\u002F\u002Fgithub.com\u002FMegvii-BaseDetection\u002Fcvpods\u002Fworkflows\u002Fbuild\u002Fbadge.svg?branch=master)\n\n欢迎来到 **cvpods**，这是一个功能强大且高效的计算机视觉代码库，适用于多种任务：分类、分割、检测、自监督学习、关键点检测以及 3D（分类\u002F分割\u002F检测\u002F表征学习）等。cvpods 的目标是实现高效的实验管理和任务之间的无缝切换。\n\n\u003Cdiv align=center>\u003Cimg src=\".github\u002Fcvpods_tasks.png\">\u003Cdiv align=left>\n\n> 每张子图代表一项任务。所有图片均来自搜索引擎。\n\n## 目录\n\n- [更新日志](#changelog)\n- [安装](#install)\n- [使用](#usage)\n\t- [快速入门](#get-start)\n\t- [逐步教程](#tutorials)\n- [模型库](#model-zoo)\n- [贡献](#contributing)\n- [许可证](#license)\n- [引用](#citation)\n- [致谢](#acknowledgement)\n\n## 更新日志 \n* 2020年12月3日：cvpods v0.1 发布。\n\n## 安装\n\n### 需求\n\n* Linux 系统，Python ≥ 3.6\n* PyTorch ≥ 1.3 及与其版本匹配的 torchvision。建议从 pytorch.org 一同安装以确保兼容性。\n* OpenCV 是可选的，主要用于演示和可视化。\n\n### 从源码构建 cvpods \n\n**请确保您的本地机器配备 GPU。**\n\n```shell\n# 直接安装带 GPU 支持的 cvpods\npip install 'git+https:\u002F\u002Fgithub.com\u002FMegvii-BaseDetection\u002Fcvpods.git' --user\n\n# 或者从本地克隆安装带 GPU：\ngit clone https:\u002F\u002Fgithub.com\u002FMegvii-BaseDetection\u002Fcvpods.git\npip install -e cvpods --user \n\n# 或者从本地克隆安装不带 GPU 的版本：\nFORCE_CUDA=1 pip install -e cvpods --user\n\n```\n\n## 使用\n这里我们将展示 cvpods 的基本用法（推理与训练）。如需了解更多功能，请参阅我们的文档或提供的教程。\n\n### 快速入门 \n我们以 COCO 目标检测任务为例。\n```\n# 准备数据路径\nln -s \u002Fpath\u002Fto\u002Fyour\u002Fcoco\u002Fdataset datasets\u002Fcoco\n\n# 进入特定实验目录\ncd playground\u002Fretinanet\u002Fretinanet.res50.fpn.coco.multiscale.1x\n\n# 训练\npods_train --num-gpus 8\n# 测试\npods_test --num-gpus 8 \\\n    MODEL.WEIGHTS \u002Fpath\u002Fto\u002Fyour\u002Fsave_dir\u002Fckpt.pth # 可选\n    OUTPUT_DIR \u002Fpath\u002Fto\u002Fyour\u002Fsave_dir # 可选\n\n# 多节点训练\n## sudo apt install net-tools ifconfig\npods_train --num-gpus 8 --num-machines N --machine-rank 0\u002F1\u002F...\u002FN-1 --dist-url \"tcp:\u002F\u002FMASTER_IP:port\"\n```\n\n### 教程\n\n我们提供了一份详细的教程，涵盖了介绍、使用方法及扩展指南，详见 [cvpods_tutorials](https:\u002F\u002Fgithub.com\u002FMegvii-BaseDetection\u002Fcvpods\u002Fblob\u002Fmaster\u002Fdocs\u002Ftutorials\u002Fcvpods%20tutorials.ipynb)。有关所有 API 的使用方法，请参考我们的 [文档](https:\u002F\u002Fcvpods.readthedocs.io\u002F)。\n\n## 模型库 \n\n关于 cvpods 支持的所有模型，请参阅 [MODEL_ZOO](https:\u002F\u002Fgithub.com\u002FMegvii-BaseDetection\u002Fcvpods\u002Fblob\u002Fmaster\u002Fplayground\u002FREADME.md)。我们在约 15 个数据集和约 10 项计算机视觉任务中提供了 50 多种方法。cvpods 也支持了旷视研究院的多项研究项目。\n\n### 基于 cvpods 的项目\n> 列表按名称排序。\n* [AutoAssign](https:\u002F\u002Fgithub.com\u002FMegvii-BaseDetection\u002FAutoAssign)\n* [BorderDet](https:\u002F\u002Fgithub.com\u002FMegvii-BaseDetection\u002FBorderDet)\n* [DeFCN](https:\u002F\u002Fgithub.com\u002FMegvii-BaseDetection\u002FDeFCN)\n* [DisAlign](https:\u002F\u002Fgithub.com\u002FMegvii-BaseDetection\u002FDisAlign)\n* [DynamicHead](https:\u002F\u002Fgithub.com\u002FStevenGrove\u002FDynamicHead)\n* [DynamicRouting](https:\u002F\u002Fgithub.com\u002FMegvii-BaseDetection\u002FDynamicRouting)\n* [LearnableTreeFilterV2](https:\u002F\u002Fgithub.com\u002FStevenGrove\u002FLearnableTreeFilterV2)\n* [LLA](https:\u002F\u002Fgithub.com\u002FMegvii-BaseDetection\u002FLLA)\n* [OTA](https:\u002F\u002Fgithub.com\u002FMegvii-BaseDetection\u002FOTA)\n* [SelfSup](https:\u002F\u002Fgithub.com\u002Fpoodarchu\u002FSelfSup)\n* [YOLOF](https:\u002F\u002Fgithub.com\u002Fmegvii-model\u002FYOLOF)\n\n\n## 贡献 \n我们欢迎任何形式的贡献（新模型、错误报告、错别字、文档等）。更多详情请参阅 [CONTRIBUTING](CONTRIBUTING.md)。\n\n## 许可证\n\n[Apache v2](LICENSE) © Base Detection \n\n## 致谢与特别感谢\n\ncvpods 借鉴了 Detectron2 的许多组件（例如网络层），同时在任务支持、速度、易用性等方面具有显著优势。有关官方 Detectron2 的更多信息，请参阅 [DETECTRON2](https:\u002F\u002Fgithub.com\u002Ffacebookresearch\u002Fdetectron2\u002Fblob\u002Fmaster\u002FREADME.md)。\n\n## 引用 cvpods\n\n如果您在研究中使用 cvpods，或希望引用本仓库中发布的基准结果，请使用以下 BibTeX 条目。\n\n```BibTeX\n@misc{zhu2020cvpods,\n  title={cvpods: All-in-one Toolbox for Computer Vision Research},\n  author={Zhu*, Benjin and Wang*, Feng and Wang, Jianfeng and Yang, Siwei and Chen, Jianhu and Li, Zeming},\n  year={2020}\n}\n```","# cvpods 快速上手指南\n\ncvpods 是一个高效、通用的计算机视觉代码库，支持分类、分割、检测、自监督学习、关键点及 3D 任务等。旨在实现高效的实验管理和顺畅的任务切换。\n\n## 环境准备\n\n在开始之前，请确保您的开发环境满足以下要求：\n\n*   **操作系统**: Linux\n*   **Python**: 版本 ≥ 3.6\n*   **深度学习框架**: PyTorch ≥ 1.3 且需安装与之匹配的 torchvision（建议在 [pytorch.org](https:\u002F\u002Fpytorch.org) 确认对应版本）。\n*   **其他依赖**: OpenCV（可选，用于演示和可视化）。\n*   **硬件要求**: 本地机器需具备可用的 GPU。\n\n> **国内加速建议**：若下载 PyTorch 或 GitHub 资源较慢，推荐使用清华源或阿里源进行加速。\n> *   PyTorch 清华源示例：`pip install torch torchvision -i https:\u002F\u002Fpypi.tuna.tsinghua.edu.cn\u002Fsimple`\n> *   Git 克隆加速：可使用 `git clone https:\u002F\u002Fgithub.com.cnpmjs.org\u002FMegvii-BaseDetection\u002Fcvpods.git` 替代官方地址。\n\n## 安装步骤\n\n您可以选择直接通过 pip 安装，或克隆源码后安装。\n\n### 方式一：直接通过 Git 安装（推荐）\n\n```shell\npip install 'git+https:\u002F\u002Fgithub.com\u002FMegvii-BaseDetection\u002Fcvpods.git' --user\n```\n\n### 方式二：源码安装（可编辑模式）\n\n如果您需要修改源码或进行开发，建议克隆仓库后安装：\n\n```shell\n# 克隆仓库\ngit clone https:\u002F\u002Fgithub.com\u002FMegvii-BaseDetection\u002Fcvpods.git\n\n# 进入目录并安装\ncd cvpods\npip install -e . --user\n```\n\n> **注意**：构建过程默认需要 CUDA 支持。若在无 GPU 环境下强制构建（不推荐用于训练），可设置环境变量：\n> `FORCE_CUDA=1 pip install -e . --user`\n\n## 基本使用\n\n以下以 COCO 数据集上的物体检测任务（RetinaNet）为例，展示最基础的训练与测试流程。\n\n### 1. 准备数据\n\n将 COCO 数据集链接到项目指定的 `datasets` 目录下：\n\n```shell\nln -s \u002Fpath\u002Fto\u002Fyour\u002Fcoco\u002Fdataset datasets\u002Fcoco\n```\n\n### 2. 进入实验目录\n\n切换到具体的实验配置文件夹（例如 RetinaNet Res50 FPN 配置）：\n\n```shell\ncd playground\u002Fretinanet\u002Fretinanet.res50.fpn.coco.multiscale.1x\n```\n\n### 3. 开始训练\n\n使用 `pods_train` 命令启动训练，指定 GPU 数量：\n\n```shell\npods_train --num-gpus 8\n```\n\n### 4. 模型测试\n\n训练完成后，使用 `pods_test` 进行评估。您可以指定模型权重路径和输出目录：\n\n```shell\npods_test --num-gpus 8 \\\n    MODEL.WEIGHTS \u002Fpath\u002Fto\u002Fyour\u002Fsave_dir\u002Fckpt.pth \\\n    OUTPUT_DIR \u002Fpath\u002Fto\u002Fyour\u002Fsave_dir\n```\n\n### 5. 多机分布式训练（可选）\n\n若需在多台机器上并行训练，请使用以下命令格式（需提前安装 `net-tools`）：\n\n```shell\n# 安装网络工具\nsudo apt install net-tools ifconfig\n\n# 启动多机训练\n# 参数说明：--num-machines 为机器总数，--machine-rank 为当前机器编号 (0 到 N-1)\npods_train --num-gpus 8 --num-machines N --machine-rank 0 --dist-url \"tcp:\u002F\u002FMASTER_IP:port\"\n```\n\n更多详细功能、API 文档及进阶教程，请参考官方 [文档](https:\u002F\u002Fcvpods.readthedocs.io\u002F) 或查看仓库中的 [tutorial notebook](https:\u002F\u002Fgithub.com\u002FMegvii-BaseDetection\u002Fcvpods\u002Fblob\u002Fmaster\u002Fdocs\u002Ftutorials\u002Fcvpods%20tutorials.ipynb)。","某计算机视觉算法团队正同时推进目标检测与实例分割两个项目，需要在多个数据集上快速复现并对比不同前沿模型的性能。\n\n### 没有 cvpods 时\n- **代码复用率低**：每切换一个新任务（如从检测转到分割），都需要重新搭建数据加载器和训练循环，大量重复造轮子。\n- **实验管理混乱**：不同模型的配置文件散落在各处，缺乏统一标准，导致难以追溯某个特定实验的参数设置和运行结果。\n- **多机协作困难**：想要利用集群进行分布式训练时，需手动编写复杂的通信脚本，环境配置极易出错且调试耗时。\n- **新模型集成慢**：引入论文中的新算法时，往往需要修改底层架构才能适配现有代码，开发周期被大幅拉长。\n\n### 使用 cvpods 后\n- **任务无缝切换**：依托 cvpods 统一的代码库，仅需修改配置文件即可在分类、检测、分割等十多种任务间自由切换，核心逻辑无需变动。\n- **实验规范有序**：通过 `playground` 目录结构标准化管理实验，所有配置、日志和权重自动归档，复现实验只需一条命令。\n- **分布式训练一键启动**：内置成熟的多机多卡训练支持，使用 `pods_train` 命令配合简单参数即可轻松启动大规模集群训练。\n- **模型扩展高效**：基于其模块化设计，团队能快速集成如 AutoAssign、YOLOF 等先进算法，将新想法转化为实验验证的时间缩短至小时级。\n\ncvpods 通过标准化的全栈工具链，将研究人员从繁琐的工程基建中解放出来，使其能专注于算法创新本身。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FMegvii-BaseDetection_cvpods_ffba9c74.png","Megvii-BaseDetection","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002FMegvii-BaseDetection_fb50f291.png","BaseDetection Team of Megvii",null,"base-detection-fte@megvii.com","https:\u002F\u002Fgithub.com\u002FMegvii-BaseDetection",[79,83,87,91,95],{"name":80,"color":81,"percentage":82},"Python","#3572A5",91.1,{"name":84,"color":85,"percentage":86},"Cuda","#3A4E3A",5,{"name":88,"color":89,"percentage":90},"C++","#f34b7d",3.7,{"name":92,"color":93,"percentage":94},"Shell","#89e051",0.2,{"name":96,"color":97,"percentage":98},"Dockerfile","#384d54",0,661,77,"2026-03-13T11:52:54","Apache-2.0",4,"Linux","必需（构建源码时明确要求本地机器可用 GPU），具体型号、显存大小及 CUDA 版本未说明（需自行安装与 PyTorch 版本匹配的 CUDA 环境）","未说明",{"notes":108,"python":109,"dependencies":110},"该工具主要面向计算机视觉任务（分类、分割、检测等）。虽然提供了无 GPU 构建的命令选项，但 README 在‘从源码构建’部分明确强调‘确保本地机器有 GPU 可用’。OpenCV 为可选依赖，仅在需要运行演示或可视化功能时才必须安装。",">=3.6",[111,112,113],"PyTorch>=1.3","torchvision (匹配 PyTorch 版本)","OpenCV (可选，用于演示和可视化)",[115,15,14],"其他",[117,118,119,120,121,122,123,124,64,125],"pytorch","detection","3d","classification","keypoints","self-supervised-learning","segmentation","research","computer-vision","2026-03-27T02:49:30.150509","2026-04-18T09:19:20.889816",[129,134,139,144,149,154],{"id":130,"question_zh":131,"answer_zh":132,"source_url":133},39604,"如何在 Slurm 环境中使用多 GPU 训练（解决 Default process group is not initialized 错误）？","在 Slurm 环境中运行多 GPU 训练时，如果遇到 'Default process group is not initialized' 错误，通常是因为分布式进程组初始化问题。维护者确认该功能已测试可用。用户需确保正确配置了 local rank 和 global rank。关于代码中的 `_LOCAL_PROCESS_GROUP`，它用于创建机器内部的进程组，但在某些 Slurm 配置下可能不需要手动干预，直接使用环境变量中的 rank 信息即可。如果问题依旧，请检查 launch 脚本中的 `dist_url` 和 `world_size` 参数是否与 Slurm 分配的资源一致。","https:\u002F\u002Fgithub.com\u002FMegvii-BaseDetection\u002Fcvpods\u002Fissues\u002F64",{"id":135,"question_zh":136,"answer_zh":137,"source_url":138},39605,"安装或编译时遇到报错（setup error \u002F compiling issue）怎么办？","如果在运行 `python setup.py develop` 或编译过程中遇到错误，常见原因包括环境配置问题。有用户反馈在 Conda 环境中构建可能会失败，建议尝试在非 Conda 的虚拟环境中构建，或者确保已正确安装 CUDA 和 cuDNN。此外，如果是缺少特定模块（如 `DisAlignLinear`），可能是因为相关功能正在代码审查中，可以暂时使用指定的分支（例如：`https:\u002F\u002Fgithub.com\u002Ftonysy\u002Fcvpods\u002Ftree\u002Fdisalign_cls`）作为临时解决方案。","https:\u002F\u002Fgithub.com\u002FMegvii-BaseDetection\u002Fcvpods\u002Fissues\u002F55",{"id":140,"question_zh":141,"answer_zh":142,"source_url":143},39606,"遇到 ImportError: cannot import name 'PSRoIAlign' 错误如何解决？","该错误通常是由于 torchvision 版本过低，不支持 `PSRoIAlign` 操作符导致的。解决方案有两种：\n1. 升级 PyTorch 和 torchvision：建议使用 torch >= 1.6.0 以及匹配的 torchvision 版本。\n2. 临时规避：如果无法升级，可以注释掉源码中引用该操作的代码行（参考路径：`cvpods\u002Fmodeling\u002Fpoolers.py` 第 8 行），但这可能会导致依赖该功能的模型无法正常运行。","https:\u002F\u002Fgithub.com\u002FMegvii-BaseDetection\u002Fcvpods\u002Fissues\u002F13",{"id":145,"question_zh":146,"answer_zh":147,"source_url":148},39607,"项目是否提供小型数据集（如 COCO 子集）用于快速测试或调试？","维护者明确表示不提供小型数据集（mini-dataset）。用户需要自行准备数据集。项目的设计理念是让用户根据自己的需求配置数据，而不是由官方提供用于快速运行的简化数据集。因此，请按照文档指引自行下载并配置完整的数据集（如 COCO）。","https:\u002F\u002Fgithub.com\u002FMegvii-BaseDetection\u002Fcvpods\u002Fissues\u002F51",{"id":150,"question_zh":151,"answer_zh":152,"source_url":153},39608,"在 Conda 环境中构建 cvpods 失败是什么原因？","有用户发现 `cvpods` 在某些 Conda 环境中无法正常构建（build），表现为 `setup.py` 执行时报错。虽然具体原因可能因环境而异，但建议如果遇到此类奇怪的构建错误，尝试退出当前的 Conda 环境，使用系统原生的 Python 环境或其他虚拟环境工具（如 venv）重新安装依赖并进行构建。","https:\u002F\u002Fgithub.com\u002FMegvii-BaseDetection\u002Fcvpods\u002Fissues\u002F1",{"id":155,"question_zh":156,"answer_zh":157,"source_url":138},39609,"找不到 `DisAlignLinear` 模块怎么办？","如果在 `cvpods.layers` 中找不到 `DisAlignLinear`，说明该功能尚未合并到主分支。该功能当时正处于代码审查阶段（PR #62）。临时解决方法是切换到包含该功能的特定分支进行安装，例如：`git checkout -b disalign_cls https:\u002F\u002Fgithub.com\u002Ftonysy\u002Fcvpods\u002Ftree\u002Fdisalign_cls`，然后再进行安装。",[]]