[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-MorvanZhou--Tensorflow-Tutorial":3,"tool-MorvanZhou--Tensorflow-Tutorial":61},[4,18,28,36,45,53],{"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":24,"last_commit_at":25,"category_tags":26,"status":17},9989,"n8n","n8n-io\u002Fn8n","n8n 是一款面向技术团队的公平代码（fair-code）工作流自动化平台，旨在让用户在享受低代码快速构建便利的同时，保留编写自定义代码的灵活性。它主要解决了传统自动化工具要么过于封闭难以扩展、要么完全依赖手写代码效率低下的痛点，帮助用户轻松连接 400 多种应用与服务，实现复杂业务流程的自动化。\n\nn8n 特别适合开发者、工程师以及具备一定技术背景的业务人员使用。其核心亮点在于“按需编码”：既可以通过直观的可视化界面拖拽节点搭建流程，也能随时插入 JavaScript 或 Python 代码、调用 npm 包来处理复杂逻辑。此外，n8n 原生集成了基于 LangChain 的 AI 能力，支持用户利用自有数据和模型构建智能体工作流。在部署方面，n8n 提供极高的自由度，支持完全自托管以保障数据隐私和控制权，也提供云端服务选项。凭借活跃的社区生态和数百个现成模板，n8n 让构建强大且可控的自动化系统变得简单高效。",184740,2,"2026-04-19T23:22:26",[16,14,13,15,27],"插件",{"id":29,"name":30,"github_repo":31,"description_zh":32,"stars":33,"difficulty_score":10,"last_commit_at":34,"category_tags":35,"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":37,"name":38,"github_repo":39,"description_zh":40,"stars":41,"difficulty_score":24,"last_commit_at":42,"category_tags":43,"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",161147,"2026-04-19T23:31:47",[14,13,44],"语言模型",{"id":46,"name":47,"github_repo":48,"description_zh":49,"stars":50,"difficulty_score":24,"last_commit_at":51,"category_tags":52,"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":54,"name":55,"github_repo":56,"description_zh":57,"stars":58,"difficulty_score":24,"last_commit_at":59,"category_tags":60,"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",[27,13,15,14],{"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":76,"owner_email":76,"owner_twitter":76,"owner_website":77,"owner_url":78,"languages":79,"stars":84,"forks":85,"last_commit_at":86,"license":87,"difficulty_score":88,"env_os":89,"env_gpu":90,"env_ram":90,"env_deps":91,"category_tags":95,"github_topics":96,"view_count":24,"oss_zip_url":76,"oss_zip_packed_at":76,"status":17,"created_at":111,"updated_at":112,"faqs":113,"releases":154},9882,"MorvanZhou\u002FTensorflow-Tutorial","Tensorflow-Tutorial","Tensorflow tutorial from basic to hard, 莫烦Python 中文AI教学","Tensorflow-Tutorial 是由知名技术博主“莫烦 Python\"打造的中文人工智能教学项目，旨在帮助学习者从零开始掌握 TensorFlow 框架。它系统地解决了初学者在面对复杂深度学习概念时缺乏清晰路径和中文实战代码的痛点，将抽象的算法理论转化为可运行的代码示例。\n\n这套教程非常适合想要入门或进阶的开发者、学生及研究人员使用。无论你是否具备编程基础，都能通过它循序渐进地构建自己的第一个神经网络。内容覆盖从基础的会话管理、占位符使用，到回归与分类任务，再深入到卷积神经网络（CNN）、循环神经网络（RNN）、生成对抗网络（GAN）以及强化学习等前沿架构。\n\n其独特的技术亮点在于“视频讲解 + 文字教程 + 完整代码”三位一体的学习模式，所有核心方法均配有详细的中文解说和可视化动图，直观展示模型训练过程与效果。此外，作者还贴心地提供了 PyTorch 和 TensorFlow 2+ 版本的对应教程，确保用户能跟上技术迭代的步伐。如果你希望用母语轻松攻克深度学习难关，Tensorflow-Tutorial 无疑是一座连接理论与实践的坚实桥梁。","### If you'd like to use **PyTorch**, no worries, I made a new **PyTorch Tutorial** just like Tensorflow. Here is the link: [https:\u002F\u002Fgithub.com\u002FMorvanZhou\u002FPyTorch-Tutorial](https:\u002F\u002Fgithub.com\u002FMorvanZhou\u002FPyTorch-Tutorial)\n\n# Tensorflow 2017 Tutorials\n\n**Tensorflow 2+ has been released, [here](https:\u002F\u002Fgithub.com\u002FMorvanZhou\u002FTensorflow2-Tutorial) is my quick TF2+ tutorial codes**\n\n\nIn these tutorials, we will build our first Neural Network and try to build some advanced Neural Network architectures developed recent years.\n\nAll methods mentioned below have their video and text tutorial in Chinese. Visit [莫烦 Python](https:\u002F\u002Fmofanpy.com) for more.\n\n\n* Tensorflow basic\n  * [Session](tutorial-contents\u002F201_session.py)\n  * [Placeholder](tutorial-contents\u002F202_placeholder.py)\n  * [Variable](tutorial-contents\u002F203_variable.py)\n  * [Activation](tutorial-contents\u002F204_activation.py)\n* Build your first network\n  * [Regression](tutorial-contents\u002F301_simple_regression.py)\n  * [Classification](tutorial-contents\u002F302_simple_classification.py)\n  * [Save and reload](tutorial-contents\u002F303_save_reload.py)\n  * [Optimizers](tutorial-contents\u002F304_optimizer.py)\n  * [Tensorboard](tutorial-contents\u002F305_tensorboard.py)\n  * [Dataset](tutorial-contents\u002F306_dataset.py)\n* Advanced neural network\n  * [CNN](tutorial-contents\u002F401_CNN.py)\n  * [RNN-Classification](tutorial-contents\u002F402_RNN_classification.py)\n  * [RNN-Regression](tutorial-contents\u002F403_RNN_regression.py)\n  * [AutoEncoder](tutorial-contents\u002F404_AutoEncoder.py)\n  * [DQN Reinforcement Learning](tutorial-contents\u002F405_DQN_reinforcement_learning.py)\n  * [GAN (Generative Adversarial Nets)](tutorial-contents\u002F406_GAN.py) \u002F [Conditional GAN](tutorial-contents\u002F406_conditional_GAN.py)\n  * [Transfer Learning](tutorial-contents\u002F407_transfer_learning.py)\n* Others (WIP)\n  * [Dropout](tutorial-contents\u002F501_dropout.py)\n  * [Batch Normalization](tutorial-contents\u002F502_batch_normalization.py)\n  * [Visualize Gradient Descent](tutorial-contents\u002F503_visualize_gradient_descent.py)\n  * [Distributed training](tutorial-contents\u002F504_distributed_training.py)\n\n### [Regression](tutorial-contents\u002F301_simple_regression.py)\n\n\u003Ca href=\"tutorial-contents\u002F301_simple_regression.py\">\n    \u003Cimg class=\"course-image\" src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FMorvanZhou_Tensorflow-Tutorial_readme_ef317992e9a1.gif\">\n\u003C\u002Fa>\n\n### [Classification](tutorial-contents\u002F302_simple_classification.py)\n\n\u003Ca href=\"tutorial-contents\u002F302_simple_classification.py\">\n    \u003Cimg class=\"course-image\" src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FMorvanZhou_Tensorflow-Tutorial_readme_daaf69b8c4ed.gif\">\n\u003C\u002Fa>\n\n### [CNN](tutorial-contents\u002F401_CNN.py)\n\u003Ca href=\"tutorial-contents\u002F401_CNN.py\">\n    \u003Cimg class=\"course-image\" src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FMorvanZhou_Tensorflow-Tutorial_readme_75fd05de9a03.gif\" >\n\u003C\u002Fa>\n\n### [RNN](tutorial-contents\u002F403_RNN_regression.py)\n\n\u003Ca href=\"tutorial-contents\u002F403_RNN_regression.py\">\n    \u003Cimg class=\"course-image\" src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FMorvanZhou_Tensorflow-Tutorial_readme_6e1ddff23ede.gif\" >\n\u003C\u002Fa>\n\n### [Autoencoder](tutorial-contents\u002F404_AutoEncoder.py)\n\n\u003Ca href=\"tutorial-contents\u002F404_AutoEncoder.py\">\n    \u003Cimg class=\"course-image\" src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FMorvanZhou_Tensorflow-Tutorial_readme_44a1ef9d4636.gif\" >\n\u003C\u002Fa>\n\n\u003Ca href=\"tutorial-contents\u002F404_AutoEncoder.py\">\n    \u003Cimg class=\"course-image\" src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FMorvanZhou_Tensorflow-Tutorial_readme_e3931b01b81d.gif\" >\n\u003C\u002Fa>\n\n### [GAN (Generative Adversarial Nets)](tutorial-contents\u002F406_GAN.py)\n\u003Ca href=\"tutorial-contents\u002F406_GAN.py\">\n    \u003Cimg class=\"course-image\" src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FMorvanZhou_Tensorflow-Tutorial_readme_7a314aa99d17.gif\" >\n\u003C\u002Fa>\n\n### [Dropout](tutorial-contents\u002F501_dropout.py)\n\u003Ca href=\"tutorial-contents\u002F501_dropout.py\">\n    \u003Cimg class=\"course-image\" src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FMorvanZhou_Tensorflow-Tutorial_readme_09c689d9f990.gif\" >\n\u003C\u002Fa>\n\n### [Batch Normalization](tutorial-contents\u002F502_batch_normalization.py)\n\u003Ca href=\"tutorial-contents\u002F502_batch_normalization.py\">\n    \u003Cimg class=\"course-image\" src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FMorvanZhou_Tensorflow-Tutorial_readme_984c525b3adb.gif\" >\n\u003C\u002Fa>\n\n### [Visualize Gradient Descent](tutorial-contents\u002F503_visualize_gradient_descent.py)\n\u003Ca href=\"tutorial-contents\u002F503_visualize_gradient_descent.py\">\n    \u003Cimg class=\"course-image\" src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FMorvanZhou_Tensorflow-Tutorial_readme_98df932861c7.gif\" >\n\u003C\u002Fa>\n\n# Donation\n\n*If this does help you, please consider donating to support me for better tutorials! Any contribution is greatly appreciated!*\n\n\u003Cdiv >\n  \u003Ca href=\"https:\u002F\u002Fwww.paypal.com\u002Fcgi-bin\u002Fwebscr?cmd=_donations&business=morvanzhou%40gmail%2ecom&lc=C2&item_name=MorvanPython&currency_code=AUD&bn=PP%2dDonationsBF%3abtn_donateCC_LG%2egif%3aNonHosted\">\n    \u003Cimg style=\"border-radius: 20px;  box-shadow: 0px 0px 10px 1px  #888888;\"\n         src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FMorvanZhou_Tensorflow-Tutorial_readme_bf138c8f1d47.png\"\n         alt=\"Paypal\"\n         height=\"auto\" >\u003C\u002Fa>\n\u003C\u002Fdiv>\n\n\u003Cdiv>\n  \u003Ca href=\"https:\u002F\u002Fwww.patreon.com\u002Fmorvan\">\n    \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FMorvanZhou_Tensorflow-Tutorial_readme_5a9a1e19a43a.jpg\"\n         alt=\"Patreon\"\n         height=120>\n  \u003C\u002Fa>\n\u003C\u002Fdiv>","### 如果你想使用 **PyTorch**，不用担心，我像 TensorFlow 那样也制作了一个新的 **PyTorch 教程**。链接如下：[https:\u002F\u002Fgithub.com\u002FMorvanZhou\u002FPyTorch-Tutorial](https:\u002F\u002Fgithub.com\u002FMorvanZhou\u002FPyTorch-Tutorial)\n\n# TensorFlow 2017 教程\n\n**TensorFlow 2+ 已经发布，[这里](https:\u002F\u002Fgithub.com\u002FMorvanZhou\u002FTensorflow2-Tutorial) 是我的快速 TF2+ 教程代码**\n\n\n在这些教程中，我们将构建我们的第一个神经网络，并尝试搭建近年来发展起来的一些高级神经网络架构。\n\n以下提到的所有方法都有中文版的视频和文字教程。更多内容请访问 [莫烦 Python](https:\u002F\u002Fmofanpy.com)。\n\n\n* TensorFlow 基础\n  * [会话](tutorial-contents\u002F201_session.py)\n  * [占位符](tutorial-contents\u002F202_placeholder.py)\n  * [变量](tutorial-contents\u002F203_variable.py)\n  * [激活函数](tutorial-contents\u002F204_activation.py)\n* 构建你的第一个网络\n  * [回归](tutorial-contents\u002F301_simple_regression.py)\n  * [分类](tutorial-contents\u002F302_simple_classification.py)\n  * [保存与加载](tutorial-contents\u002F303_save_reload.py)\n  * [优化器](tutorial-contents\u002F304_optimizer.py)\n  * [TensorBoard](tutorial-contents\u002F305_tensorboard.py)\n  * [数据集](tutorial-contents\u002F306_dataset.py)\n* 高级神经网络\n  * [卷积神经网络](tutorial-contents\u002F401_CNN.py)\n  * [RNN-分类](tutorial-contents\u002F402_RNN_classification.py)\n  * [RNN-回归](tutorial-contents\u002F403_RNN_regression.py)\n  * [自编码器](tutorial-contents\u002F404_AutoEncoder.py)\n  * [DQN 强化学习](tutorial-contents\u002F405_DQN_reinforcement_learning.py)\n  * [GAN（生成对抗网络）](tutorial-contents\u002F406_GAN.py) \u002F [条件 GAN](tutorial-contents\u002F406_conditional_GAN.py)\n  * [迁移学习](tutorial-contents\u002F407_transfer_learning.py)\n* 其他（持续更新）\n  * [Dropout](tutorial-contents\u002F501_dropout.py)\n  * [批量归一化](tutorial-contents\u002F502_batch_normalization.py)\n  * [可视化梯度下降](tutorial-contents\u002F503_visualize_gradient_descent.py)\n  * [分布式训练](tutorial-contents\u002F504_distributed_training.py)\n\n### [回归](tutorial-contents\u002F301_simple_regression.py)\n\n\u003Ca href=\"tutorial-contents\u002F301_simple_regression.py\">\n    \u003Cimg class=\"course-image\" src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FMorvanZhou_Tensorflow-Tutorial_readme_ef317992e9a1.gif\">\n\u003C\u002Fa>\n\n### [分类](tutorial-contents\u002F302_simple_classification.py)\n\n\u003Ca href=\"tutorial-contents\u002F302_simple_classification.py\">\n    \u003Cimg class=\"course-image\" src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FMorvanZhou_Tensorflow-Tutorial_readme_daaf69b8c4ed.gif\">\n\u003C\u002Fa>\n\n### [CNN](tutorial-contents\u002F401_CNN.py)\n\u003Ca href=\"tutorial-contents\u002F401_CNN.py\">\n    \u003Cimg class=\"course-image\" src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FMorvanZhou_Tensorflow-Tutorial_readme_75fd05de9a03.gif\" >\n\u003C\u002Fa>\n\n### [RNN](tutorial-contents\u002F403_RNN_regression.py)\n\n\u003Ca href=\"tutorial-contents\u002F403_RNN_regression.py\">\n    \u003Cimg class=\"course-image\" src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FMorvanZhou_Tensorflow-Tutorial_readme_6e1ddff23ede.gif\" >\n\u003C\u002Fa>\n\n### [自编码器](tutorial-contents\u002F404_AutoEncoder.py)\n\n\u003Ca href=\"tutorial-contents\u002F404_AutoEncoder.py\">\n    \u003Cimg class=\"course-image\" src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FMorvanZhou_Tensorflow-Tutorial_readme_44a1ef9d4636.gif\" >\n\u003C\u002Fa>\n\n\u003Ca href=\"tutorial-contents\u002F404_AutoEncoder.py\">\n    \u003Cimg class=\"course-image\" src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FMorvanZhou_Tensorflow-Tutorial_readme_e3931b01b81d.gif\" >\n\u003C\u002Fa>\n\n### [GAN（生成对抗网络）](tutorial-contents\u002F406_GAN.py)\n\u003Ca href=\"tutorial-contents\u002F406_GAN.py\">\n    \u003Cimg class=\"course-image\" src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FMorvanZhou_Tensorflow-Tutorial_readme_7a314aa99d17.gif\" >\n\u003C\u002Fa>\n\n### [Dropout](tutorial-contents\u002F501_dropout.py)\n\u003Ca href=\"tutorial-contents\u002F501_dropout.py\">\n    \u003Cimg class=\"course-image\" src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FMorvanZhou_Tensorflow-Tutorial_readme_09c689d9f990.gif\" >\n\u003C\u002Fa>\n\n### [批量归一化](tutorial-contents\u002F502_batch_normalization.py)\n\u003Ca href=\"tutorial-contents\u002F502_batch_normalization.py\">\n    \u003Cimg class=\"course-image\" src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FMorvanZhou_Tensorflow-Tutorial_readme_984c525b3adb.gif\" >\n\u003C\u002Fa>\n\n### [可视化梯度下降](tutorial-contents\u002F503_visualize_gradient_descent.py)\n\u003Ca href=\"tutorial-contents\u002F503_visualize_gradient_descent.py\">\n    \u003Cimg class=\"course-image\" src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FMorvanZhou_Tensorflow-Tutorial_readme_98df932861c7.gif\" >\n\u003C\u002Fa>\n\n# 捐赠\n\n*如果这些内容对你有所帮助，请考虑捐赠以支持我制作更好的教程！任何贡献都将不胜感激！*\n\n\u003Cdiv >\n  \u003Ca href=\"https:\u002F\u002Fwww.paypal.com\u002Fcgi-bin\u002Fwebscr?cmd=_donations&business=morvanzhou%40gmail%2ecom&lc=C2&item_name=MorvanPython&currency_code=AUD&bn=PP%2dDonationsBF%3abtn_donateCC_LG%2egif%3aNonHosted\">\n    \u003Cimg style=\"border-radius: 20px;  box-shadow: 0px 0px 10px 1px  #888888;\"\n         src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FMorvanZhou_Tensorflow-Tutorial_readme_bf138c8f1d47.png\"\n         alt=\"Paypal\"\n         height=\"auto\" >\u003C\u002Fa>\n\u003C\u002Fdiv>\n\n\u003Cdiv>\n  \u003Ca href=\"https:\u002F\u002Fwww.patreon.com\u002Fmorvan\">\n    \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FMorvanZhou_Tensorflow-Tutorial_readme_5a9a1e19a43a.jpg\"\n         alt=\"Patreon\"\n         height=120>\n  \u003C\u002Fa>\n\u003C\u002Fdiv>","# Tensorflow-Tutorial 快速上手指南\n\n本指南基于莫烦 Python (MorvanZhou) 的开源教程，旨在帮助开发者快速掌握 TensorFlow 基础及进阶神经网络架构（如 CNN, RNN, GAN 等）。\n\n> **注意**：本仓库主要涵盖 TensorFlow 1.x 版本的核心概念。若需学习 **TensorFlow 2+** 或 **PyTorch**，请访问作者提供的更新仓库：\n> - [TensorFlow 2+ Tutorial](https:\u002F\u002Fgithub.com\u002FMorvanZhou\u002FTensorflow2-Tutorial)\n> - [PyTorch Tutorial](https:\u002F\u002Fgithub.com\u002FMorvanZhou\u002FPyTorch-Tutorial)\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**：Windows, macOS 或 Linux\n- **Python 版本**：推荐 Python 3.6 - 3.8 (兼容 TensorFlow 1.x)\n- **前置依赖**：\n  - `pip` (Python 包管理工具)\n  - `git` (用于克隆代码库)\n  - 显卡驱动 (可选，若需使用 GPU 加速训练)\n\n## 安装步骤\n\n### 1. 克隆项目代码\n首先，将教程代码库克隆到本地：\n\n```bash\ngit clone https:\u002F\u002Fgithub.com\u002FMorvanZhou\u002FTensorflow-Tutorial.git\ncd Tensorflow-Tutorial\n```\n\n### 2. 安装依赖库\n本教程主要依赖 TensorFlow 1.x 版本及相关科学计算库。建议使用国内镜像源（如清华源）以加速下载。\n\n**创建虚拟环境（推荐）：**\n```bash\npython -m venv tf_env\n# Windows\ntf_env\\Scripts\\activate\n# macOS\u002FLinux\nsource tf_env\u002Fbin\u002Factivate\n```\n\n**安装 TensorFlow 1.x 及其他依赖：**\n```bash\npip install -i https:\u002F\u002Fpypi.tuna.tsinghua.edu.cn\u002Fsimple tensorflow==1.15.0 matplotlib numpy sklearn\n```\n\n> **提示**：如果您的环境必须使用 TensorFlow 2.x，部分代码可能需要微调，建议直接参考作者的 TF2 专用教程仓库。\n\n## 基本使用\n\n教程内容按难度分级，从基础会话管理到复杂的生成对抗网络 (GAN)。所有示例代码均位于 `tutorial-contents` 目录下。\n\n### 运行第一个示例：简单回归 (Simple Regression)\n\n这是构建神经网络的入门示例，演示了如何拟合一条曲线。\n\n1. 进入教程目录：\n   ```bash\n   cd tutorial-contents\n   ```\n\n2. 运行回归示例脚本：\n   ```bash\n   python 301_simple_regression.py\n   ```\n\n3. **预期结果**：\n   程序将启动一个 TensorFlow 会话，训练一个简单的神经网络，并使用 `matplotlib` 弹出窗口动态展示拟合过程（类似下图效果）：\n   - 初始状态：随机线条\n   - 训练过程：线条逐渐逼近目标数据点\n   - 最终状态：完美拟合曲线\n\n### 探索其他核心模块\n\n您可以根据学习路径依次运行以下脚本：\n\n- **基础组件**：\n  ```bash\n  python 201_session.py        # 理解 Session 机制\n  python 202_placeholder.py    # 学习占位符输入\n  python 204_activation.py     # 尝试不同激活函数\n  ```\n\n- **构建网络**：\n  ```bash\n  python 302_simple_classification.py  # 分类任务\n  python 305_tensorboard.py            # 可视化训练过程\n  python 306_dataset.py                # 高效数据加载\n  ```\n\n- **进阶架构**：\n  ```bash\n  python 401_CNN.py                    # 卷积神经网络 (图像识别)\n  python 402_RNN_classification.py     # 循环神经网络 (序列分类)\n  python 406_GAN.py                    # 生成对抗网络 (图像生成)\n  ```\n\n更多详细视频讲解和文字教程，请访问 [莫烦 Python 官网](https:\u002F\u002Fmofanpy.com)。","某初创公司的算法实习生小李，需要在两周内从零开始构建一个基于卷积神经网络（CNN）的工业零件缺陷检测原型系统。\n\n### 没有 Tensorflow-Tutorial 时\n- **概念理解困难**：面对 Session、Placeholder 等抽象概念，只能查阅晦涩的官方英文文档，花费数天仍无法理清数据流向。\n- **调试效率低下**：在搭建第一个回归模型时就频繁报错，缺乏直观的代码参考，不知道如何正确保存模型或使用 Optimizer 优化参数。\n- **进阶无从下手**：想要尝试 CNN 或 RNN 等高级架构时，因缺乏完整的结构示例，只能盲目复制网上碎片化的代码片段，导致模型无法收敛。\n- **可视化缺失**：不懂如何使用 Tensorboard 监控训练过程，只能盲目调整超参数，无法定位梯度消失或过拟合的具体原因。\n\n### 使用 Tensorflow-Tutorial 后\n- **快速上手核心概念**：通过莫烦 Python 提供的中文视频与图文教程，小李迅速理解了变量定义与激活机制，半天内就完成了环境配置与基础测试。\n- **复用成熟代码模板**：直接参考 `301_simple_regression.py` 和 `303_save_reload.py` 等示例代码，快速搭建了基准模型并实现了模型的持久化存储。\n- **平滑过渡到高级架构**：依托 `401_CNN.py` 等完整案例，成功将简单网络升级为卷积神经网络，准确提取了零件图像的特征，大幅提升了检测精度。\n- **掌握调优利器**：利用教程中关于 Tensorboard 和 Batch Normalization 的讲解，实现了训练过程的可视化监控，迅速定位并解决了过拟合问题。\n\nTensorflow-Tutorial 通过“中文讲解 + 可运行代码”的组合，将深度学习陡峭的学习曲线拉平，帮助开发者从理论困惑快速走向实战落地。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FMorvanZhou_Tensorflow-Tutorial_ef317992.gif","MorvanZhou","Morvan","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002FMorvanZhou_b02f189a.jpg","Deep Learning Research & Development at Tencent ",null,"https:\u002F\u002Fmofanpy.com","https:\u002F\u002Fgithub.com\u002FMorvanZhou",[80],{"name":81,"color":82,"percentage":83},"Python","#3572A5",100,4342,1841,"2026-04-14T03:10:29","MIT",1,"","未说明",{"notes":92,"python":90,"dependencies":93},"该仓库主要包含基于 TensorFlow 1.x 的教程代码（标题注明为 2017 Tutorials）。README 明确指出 TensorFlow 2+ 版本已有单独的仓库，因此本工具不适用于 TF2+ 环境。具体依赖版本、操作系统及硬件需求在提供的文本中均未详细说明，建议参考原始代码文件或配合当时的 TensorFlow 1.x 环境使用。",[94],"tensorflow",[14,15],[94,97,98,99,100,101,102,103,104,105,106,107,108,109,110],"tensorflow-tutorials","gan","generative-adversarial-network","rnn","cnn","classification","regression","autoencoder","deep-q-network","dqn","machine-learning","tutorial","dropout","neural-network","2026-03-27T02:49:30.150509","2026-04-20T10:20:43.877782",[114,119,124,129,134,139,144,149],{"id":115,"question_zh":116,"answer_zh":117,"source_url":118},44396,"运行 RNN 回归示例时出现 BasicRNNCell 弃用警告或参数错误，如何解决？","这是由于 TensorFlow API 版本更新导致的。官方建议使用 `tf.keras.layers.SimpleRNNCell` 替代已弃用的 `BasicRNNCell`。如果遇到 `TypeError: __init__() missing 1 required positional argument: 'units'` 错误，请确保将参数名从 `num_units` 改为 `units`（例如：`tf.keras.layers.SimpleRNNCell(units=CELL_SIZE)`）。如果必须使用旧版 API，可尝试 `tf.nn.rnn_cell.BasicRNNCell`，但需注意不同版本间参数命名的差异（如 `num_units` 在某些上下文中可能不被识别为关键字参数）。","https:\u002F\u002Fgithub.com\u002FMorvanZhou\u002FTensorflow-Tutorial\u002Fissues\u002F21",{"id":120,"question_zh":121,"answer_zh":122,"source_url":123},44397,"在 TensorFlow 1.1.0 版本下运行 RNN 示例报错关于变量共享（reuse=True）的问题怎么办？","这是 TensorFlow 1.1.0 版本自身的 Bug 或与操作系统的兼容性问题（特别是在 Windows 上）。维护者确认在 Mac 上使用 tf1.1.0 无此问题。解决方案包括：1. 将 TensorFlow 降级至 1.0.0 版本；2. 检查代码中是否正确使用了 `reuse=True` 参数来共享 RNNCell 的权重；3. 如果是 Windows 用户且无法降级，可能需要等待版本修复或寻找社区提供的变通代码。","https:\u002F\u002Fgithub.com\u002FMorvanZhou\u002FTensorflow-Tutorial\u002Fissues\u002F1",{"id":125,"question_zh":126,"answer_zh":127,"source_url":128},44398,"在迁移学习（Transfer Learning）中，加载图片时为什么要除以 255（img\u002F255）？","除以 255 是为了将图像的像素值归一化到 0-1 之间。对于灰度图像，这有助于限制灰度值范围，起到类似批量归一化（Batch Normalization）的作用，有利于模型训练收敛。虽然某些数据集（如 MNIST）上加不加该操作区别不大，但在处理其他数据集或使用特定网络结构（如 VGG）时，进行归一化通常是推荐的最佳实践。","https:\u002F\u002Fgithub.com\u002FMorvanZhou\u002FTensorflow-Tutorial\u002Fissues\u002F9",{"id":130,"question_zh":131,"answer_zh":132,"source_url":133},44399,"如何在迁移学习中固定卷积层参数不被训练，或者如何微调这些参数？","1. **固定参数**：确保卷积层的滤波器（filter）和偏置（bias）定义为 `constant` 而不是 `Variable`，这样它们在训练过程中就不会被更新。\n2. **微调参数**：如果需要微调，需要将原本固定的参数包裹一层 `tf.Variable`。具体代码操作为：`filter = tf.Variable(filter)` 以及 `bias = tf.Variable(bias)`，这样它们就会变成可训练变量。","https:\u002F\u002Fgithub.com\u002FMorvanZhou\u002FTensorflow-Tutorial\u002Fissues\u002F14",{"id":135,"question_zh":136,"answer_zh":137,"source_url":138},44400,"使用迁移学习代码处理图片时，Resize 后出现 224*224*4 的格式导致报错（VGG 需要 224*224*3），原因是什么？","这是因为输入的图片包含 Alpha 通道（透明度通道），导致通道数为 4（RGBA）。VGG 等标准神经网络通常只需要 3 个颜色通道（RGB）。解决方法是在预处理阶段去掉 Alpha 通道，只保留 RGB 三个通道后再输入网络。","https:\u002F\u002Fgithub.com\u002FMorvanZhou\u002FTensorflow-Tutorial\u002Fissues\u002F8",{"id":140,"question_zh":141,"answer_zh":142,"source_url":143},44401,"保存模型时报错提示路径问题，或者在不同操作系统下 save\u002Freload 行为不一致怎么办？","在调用 `saver.save` 时，建议明确指定子目录路径，例如将 `'params'` 修改为 `'my_net\u002Fparams'`，以避免因当前工作目录权限或路径解析问题导致的错误。此外，该问题在 Windows 上较为常见，而在 Mac OS 上可能正常，因此跨平台开发时需特别注意路径格式的兼容性。维护者已针对此类问题更新了代码。","https:\u002F\u002Fgithub.com\u002FMorvanZhou\u002FTensorflow-Tutorial\u002Fissues\u002F7",{"id":145,"question_zh":146,"answer_zh":147,"source_url":148},44402,"README 中的动态演示图（GIF）是如何制作的？","制作流程分为两步：首先使用 Python 的 `matplotlib` 库在训练或演示过程中自动保存每一帧的图片；然后使用第三方的 GIF 合成软件将这些静态图片拼接成动态 GIF 文件。","https:\u002F\u002Fgithub.com\u002FMorvanZhou\u002FTensorflow-Tutorial\u002Fissues\u002F20",{"id":150,"question_zh":151,"answer_zh":152,"source_url":153},44403,"不同 TensorFlow 版本中导入 Dataset 的方式不同（如 1.3 与 1.2），该如何处理？","TensorFlow 1.3 版本中，需要通过 `from tensorflow.contrib.data import Dataset` 来导入 Dataset 类。而在 1.2 或更早版本中，该模块路径可能不存在或有所不同。新手在运行代码时若遇到导入错误，应检查自己的 TensorFlow 版本，并根据版本调整导入语句，或者升级\u002F降级 TensorFlow 以匹配教程代码的要求。","https:\u002F\u002Fgithub.com\u002FMorvanZhou\u002FTensorflow-Tutorial\u002Fissues\u002F12",[]]