[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-cloud-annotations--cloud-annotations":3,"tool-cloud-annotations--cloud-annotations":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",155373,2,"2026-04-14T11:34:08",[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":64,"owner_name":72,"owner_avatar_url":73,"owner_bio":74,"owner_company":75,"owner_location":75,"owner_email":75,"owner_twitter":75,"owner_website":76,"owner_url":77,"languages":78,"stars":119,"forks":120,"last_commit_at":121,"license":122,"difficulty_score":123,"env_os":124,"env_gpu":125,"env_ram":125,"env_deps":126,"category_tags":129,"github_topics":130,"view_count":32,"oss_zip_url":75,"oss_zip_packed_at":75,"status":17,"created_at":138,"updated_at":139,"faqs":140,"releases":176},7419,"cloud-annotations\u002Fcloud-annotations","cloud-annotations","🐝 A fast, easy and collaborative open source image annotation tool for teams and individuals.","Cloud Annotations 是一款专为团队协作及个人用户打造的开源图像标注工具，旨在让计算机视觉数据的准备工作变得快速、简单且高效。在人工智能开发流程中，高质量的数据标注往往是耗时最长的环节之一，Cloud Annotations 通过提供直观的网页界面和流畅的操作体验，有效解决了传统标注工具上手难、协作不便以及部署复杂等痛点。\n\n这款工具非常适合需要构建自定义物体检测模型的开发人员、进行算法研究的数据科学家，以及希望低成本启动 AI 项目的初创团队。即使是非技术背景的设计师或普通用户，也能凭借其友好的交互设计轻松完成图像框选与分类任务。其核心技术亮点在于支持私有化部署，用户可以将数据完全保留在本地文件系统或自有服务器上，无需依赖云端服务，从而充分保障数据隐私与安全。虽然官方托管服务已停止运营，但 Cloud Annotations 依然作为强大的开源项目存在，配合实验性的 Iris 项目，让用户能够灵活地在本地环境中搭建专属的标注工作流，是入门计算机视觉领域不可或缺的实用助手。","# Cloud Annotations\n\n> **Important Note: Due to unforseen circumstances, the hosted version of Cloud Annotations (cloud.annotations.ai) is no longer available.**\n>\n> For a similar hosted experience, but focused on education\u002Flearning, see [Computer Vision Learning Studio](https:\u002F\u002Fvision.skills.network\u002F).\n>\n> For instructions on how to run Cloud Annotations using the local file system, see the experimental [Iris project](https:\u002F\u002Fgithub.com\u002Fcloud-annotations\u002Firis\u002Ftree\u002Fv2).\n\n![Logo][logo]\n\n\u003C!-- GitHub -->\n\n[logo]: .\u002Fdocs\u002Fdocs-assets\u002F_images\u002Flogo.png\n[actions]: https:\u002F\u002Fgithub.com\u002Fcloud-annotations\u002Fcloud-annotations\u002Factions\u002Fworkflows\u002Fvalidate.yaml?query=branch%3Amaster\n[issues]: https:\u002F\u002Fgithub.com\u002Fcloud-annotations\u002Fcloud-annotations\u002Fissues\u002Fnew\n\n\u003C!-- Badges -->\n\n[actions-badge]: https:\u002F\u002Fimg.shields.io\u002Fgithub\u002Fworkflow\u002Fstatus\u002Fcloud-annotations\u002Fcloud-annotations\u002FValidate?logo=github\n","# 云标注\n\n> **重要提示：由于不可预见的情况，云标注的托管版本（cloud.annotations.ai）已不再可用。**\n>\n> 如果您需要类似的托管体验，但更专注于教育和学习，请参阅 [计算机视觉学习工作室](https:\u002F\u002Fvision.skills.network\u002F)。\n>\n> 如需了解如何使用本地文件系统运行云标注，请参阅实验性的 [Iris 项目](https:\u002F\u002Fgithub.com\u002Fcloud-annotations\u002Firis\u002Ftree\u002Fv2)。\n\n![Logo][logo]\n\n\u003C!-- GitHub -->\n\n[logo]: .\u002Fdocs\u002Fdocs-assets\u002F_images\u002Flogo.png\n[actions]: https:\u002F\u002Fgithub.com\u002Fcloud-annotations\u002Fcloud-annotations\u002Factions\u002Fworkflows\u002Fvalidate.yaml?query=branch%3Amaster\n[issues]: https:\u002F\u002Fgithub.com\u002Fcloud-annotations\u002Fcloud-annotations\u002Fissues\u002Fnew\n\n\u003C!-- 徽章 -->\n\n[actions-badge]: https:\u002F\u002Fimg.shields.io\u002Fgithub\u002Fworkflow\u002Fstatus\u002Fcloud-annotations\u002Fcloud-annotations\u002FValidate?logo=github","# Cloud Annotations 快速上手指南\n\n> **重要提示**：由于不可预见的情况，Cloud Annotations 的托管版本 (cloud.annotations.ai) 已停止服务。\n> *   如需类似的教育\u002F学习体验，请访问 [Computer Vision Learning Studio](https:\u002F\u002Fvision.skills.network\u002F)。\n> *   如需在本地文件系统运行，请参考实验性的 [Iris 项目](https:\u002F\u002Fgithub.com\u002Fcloud-annotations\u002Firis\u002Ftree\u002Fv2)。\n\n以下指南基于官方推荐的本地部署方案（Iris 项目）整理。\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, macOS 或 Windows (需安装 WSL2)\n*   **核心依赖**：\n    *   [Docker](https:\u002F\u002Fdocs.docker.com\u002Fget-docker\u002F) (推荐 v20.10+)\n    *   [Docker Compose](https:\u002F\u002Fdocs.docker.com\u002Fcompose\u002Finstall\u002F) (通常随 Docker Desktop 一起安装)\n*   **硬件建议**：至少 4GB 可用内存，建议使用 SSD 存储以提升图像加载速度。\n*   **网络加速**：国内用户拉取 Docker 镜像时，建议配置 Docker 镜像加速器（如阿里云、腾讯云或网易云镜像源），以避免下载超时。\n\n## 安装步骤\n\n我们将通过克隆 Iris 项目并使用 Docker Compose 进行本地部署。\n\n1.  **克隆项目仓库**\n    打开终端，执行以下命令获取源代码：\n    ```bash\n    git clone -b v2 https:\u002F\u002Fgithub.com\u002Fcloud-annotations\u002Firis.git\n    cd iris\n    ```\n\n2.  **启动服务**\n    在项目根目录下，使用 Docker Compose 启动所有必要服务（包括数据库、后端和前端）：\n    ```bash\n    docker-compose up -d\n    ```\n    *注：首次运行会自动下载相关镜像，国内用户若未配置加速器可能需要等待较长时间。*\n\n3.  **验证安装**\n    等待约 1-2 分钟让服务完全初始化。在浏览器中访问：\n    ```text\n    http:\u002F\u002Flocalhost:3000\n    ```\n    如果看到登录或注册界面，即表示安装成功。\n\n## 基本使用\n\n以下是创建一个简单物体检测项目的最小化流程：\n\n1.  **创建账户**\n    在首页点击 \"Sign Up\" 注册一个本地管理员账户（数据仅存储在本地数据库中）。\n\n2.  **新建项目**\n    *   登录后，点击 **\"Create Project\"**。\n    *   输入项目名称（例如：`my-first-project`）。\n    *   选择任务类型：**Object Detection** (物体检测) 或 **Image Classification** (图像分类)。\n    *   点击 **\"Create\"**。\n\n3.  **上传数据**\n    *   进入项目详情页，点击 **\"Upload Images\"**。\n    *   支持拖拽上传本地图片文件夹，或直接选择多个图片文件。\n    *   等待上传进度条完成。\n\n4.  **标注图像**\n    *   在图像列表中点击任意一张图片进入标注界面。\n    *   **物体检测**：使用鼠标框选目标物体，并在右侧面板输入标签名称（如 `cat`, `car`）。\n    *   **图像分类**：直接在右侧面板勾选对应的分类标签。\n    *   点击 **\"Save\"** 保存当前标注，或使用快捷键 `S` 保存并跳转到下一张。\n\n5.  **导出数据**\n    *   完成标注后，进入 **\"Export\"** 选项卡。\n    *   选择所需的格式（如 `YOLO`, `Pascal VOC`, `COCO`, `TensorFlow Records` 等）。\n    *   点击 **\"Download\"** 即可获取包含图片和标注文件的压缩包，用于后续模型训练。","某农业科技公司正在开发一套基于计算机视觉的作物病害识别系统，需要快速构建包含数万张叶片图像的高质量标注数据集。\n\n### 没有 cloud-annotations 时\n- 团队成员分散在各地，只能依靠本地软件各自标注，文件版本混乱，合并数据时经常发生冲突或覆盖。\n- 缺乏统一的在线协作平台，标注进度无法实时同步，项目经理难以监控整体完成率和质量。\n- 部署私有化标注环境门槛高，需要手动配置复杂的服务器依赖，导致项目启动初期大量时间浪费在环境搭建上。\n- 标注格式不统一，后续训练模型时需编写大量脚本进行格式转换，极易引入人为错误。\n\n### 使用 cloud-annotations 后\n- 团队通过浏览器即可访问统一界面协同工作，多人同时标注不同图片，数据自动云端同步，彻底消除版本冲突。\n- 内置的项目看板让管理者能实时查看每位成员的标注数量与进度，便于动态分配任务以确保按期交付。\n- 利用其轻量级架构快速在本地或私有云部署服务，无需繁琐配置，团队当天即可完成环境搭建并投入生产。\n- 原生支持标准的 COCO 等导出格式，标注完成后可直接对接主流深度学习框架，大幅缩短从数据到模型的链路。\n\ncloud-annotations 通过降低协作门槛和简化部署流程，将原本数周的数据准备周期压缩至几天，显著提升了计算机视觉项目的迭代效率。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fcloud-annotations_cloud-annotations_dae0a025.png","Cloud Annotations","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002Fcloud-annotations_ef37d874.png","A fast, easy and collaborative open source image annotation tool for teams and individuals.",null,"https:\u002F\u002Fcloud.annotations.ai","https:\u002F\u002Fgithub.com\u002Fcloud-annotations",[79,83,87,91,95,99,103,107,111,115],{"name":80,"color":81,"percentage":82},"TypeScript","#3178c6",43.1,{"name":84,"color":85,"percentage":86},"Jupyter Notebook","#DA5B0B",20.3,{"name":88,"color":89,"percentage":90},"JavaScript","#f1e05a",18.5,{"name":92,"color":93,"percentage":94},"Python","#3572A5",8.6,{"name":96,"color":97,"percentage":98},"CSS","#663399",5.9,{"name":100,"color":101,"percentage":102},"Shell","#89e051",1.8,{"name":104,"color":105,"percentage":106},"Makefile","#427819",0.8,{"name":108,"color":109,"percentage":110},"HTML","#e34c26",0.5,{"name":112,"color":113,"percentage":114},"Dockerfile","#384d54",0.4,{"name":116,"color":117,"percentage":118},"Handlebars","#f7931e",0,2686,450,"2026-04-02T08:38:26","MIT",4,"","未说明",{"notes":127,"python":125,"dependencies":128},"README 中未提供具体的运行环境需求（如操作系统、GPU、内存、Python 版本或依赖库）。原文指出托管服务已停止，并建议参考实验性的 'Iris project' 以获取在本地文件系统运行的说明。",[],[14,15,16],[131,132,133,134,64,135,136,137],"training","machine-learning","tensorflow","hacktoberfest","ibm-cloud","label-images","detection","2026-03-27T02:49:30.150509","2026-04-14T20:30:08.105385",[141,146,151,156,161,166,171],{"id":142,"question_zh":143,"answer_zh":144,"source_url":145},33288,"训练开始后一直显示运行中但长时间无进展，或者日志为空导致训练失败，该如何解决？","这通常是因为标注的图像数量不足。如果在 UI 中尝试训练时图像少于 20 张，系统现在会发出警告。请确保每个类别都有足够的标注图像（建议至少 20 张以上）再开始训练。此外，v1.1.0 版本已修复了错误信息显示问题，现在如果训练过程中发生错误，会显示具体的错误消息而不是始终显示“成功”。","https:\u002F\u002Fgithub.com\u002Fcloud-annotations\u002Fcloud-annotations\u002Fissues\u002F60",{"id":147,"question_zh":148,"answer_zh":149,"source_url":150},33289,"下载模型后，model_web 文件夹中缺少 model.json 文件，只有 labels.json，怎么办？","这是一个已知问题，通常发生在旧版本中。请下载并安装最新版本的 Cloud Annotations，然后重新训练数据集。更新后，生成的 model_web 目录中将正常包含 model.json 文件。","https:\u002F\u002Fgithub.com\u002Fcloud-annotations\u002Fcloud-annotations\u002Fissues\u002F183",{"id":152,"question_zh":153,"answer_zh":154,"source_url":155},33290,"在对象检测任务中，如何添加负样本（Negative Samples）以减少误报？","有两种方法可以添加负样本：\n1. 在标注工具中给图像添加任意标签但不绘制任何边界框（bounding boxes）。技术上，这会被视为负样本，因为图像被标记了但没有任何具体的对象标签。\n2. 使用“标记为负样本”（mark as negative）功能。\n注意：单纯设置 min_negatives_per_image 参数而不正确提供负样本图像可能导致误报或漏报增加，建议正负样本比例保持平衡（例如 50% 正样本，50% 负样本）。","https:\u002F\u002Fgithub.com\u002Fcloud-annotations\u002Fcloud-annotations\u002Fissues\u002F54",{"id":157,"question_zh":158,"answer_zh":159,"source_url":160},33291,"如何导入现有的 XML 格式标注文件到 Cloud Annotations？","Cloud Annotations 原生支持 JSON 格式。要导入 XML 标注，需要使用转换脚本将 XML 文件转换为 JSON 格式，然后再上传到平台。社区已提供相关的转换和上传脚本可供使用。","https:\u002F\u002Fgithub.com\u002Fcloud-annotations\u002Fcloud-annotations\u002Fissues\u002F17",{"id":162,"question_zh":163,"answer_zh":164,"source_url":165},33292,"训练时遇到 GPU 资源满员或无法提交训练任务的问题怎么办？","如果遇到 GPU 资源满员导致训练无法启动，可以尝试以下方法：\n1. 等待一段时间后重试，避开高峰期。\n2. 尝试提交另一个训练任务，有时不同的队列会有空闲资源。\n3. 如果有条件，可以尝试使用非免费的 GPU 实例，它们的利用率可能较低。\n注意：Deep Learning as a Service 仅在 Dallas 和 Frankfurt 区域受支持。","https:\u002F\u002Fgithub.com\u002Fcloud-annotations\u002Fcloud-annotations\u002Fissues\u002F215",{"id":167,"question_zh":168,"answer_zh":169,"source_url":170},33293,"如何在训练过程中查看评估报告或 TensorBoard 进度？","目前 CLI 支持在对象定位（localization）任务中查看 TensorBoard 进度和评估报告。对于图像分类（classification）任务，该功能的支持情况可能有所不同或正在开发中。","https:\u002F\u002Fgithub.com\u002Fcloud-annotations\u002Fcloud-annotations\u002Fissues\u002F103",{"id":172,"question_zh":173,"answer_zh":174,"source_url":175},33294,"遇到 Watson Machine Learning V4 相关的 401\u002F403 错误导致无法训练或查看训练记录，如何解决？","这是由于 Watson Machine Learning 服务端未解决的兼容性问题导致的。目前所有 Lite 层级服务实例已自动迁移到 V2 版本。如果生产环境出现此类权限错误，可能是服务端接口变更引起的，建议检查服务实例版本或暂时避免使用受影响的功能，直到官方修复。","https:\u002F\u002Fgithub.com\u002Fcloud-annotations\u002Fcloud-annotations\u002Fissues\u002F219",[177,182,187,192,197,202,207,212,217,222,227,232,237,242,247,252,257,262,267,272],{"id":178,"version":179,"summary_zh":180,"released_at":181},255485,"v1.3.2","\r\n## 更改记录\r\n\r\nf9becc5 更新 README.md\r\na9687cc 更新 README.md\r\n5a88c71 更新 README.md\r\nac8b0ab 更新 README.md\r\n2f67f83 WML 不再支持从公共场所进行网络调用\r\n3674c11 添加新图片\r\nf82f559 添加自述文件\r\n8d9d300 修复工作坊步进按钮\r\nc6b9ca4 更新工作坊结构\r\n\r\n\r\n","2020-04-20T23:46:43",{"id":183,"version":184,"summary_zh":185,"released_at":186},255486,"v1.3.1","## 更改日志\n\ndeaa12b 将 sha256 添加到 home-brew 部署\nfd3e15e 修复 Travis 构建错误\n4a4fd8b 修复发布中的拼写错误\n7a1a88b 请不要做傻事，go-releaser\n80fa382 再试一次\n\n","2020-04-01T23:47:01",{"id":188,"version":189,"summary_zh":190,"released_at":191},255487,"v1.3.0","## 更改日志\n\nb694cbd 恢复部署\na7d4f16 为演示页面添加标题\n8a01153 升级 cacli 以默认使用 tf 1.15\nf5dd3bc 加快 Travis 构建速度\n1292795 修复愚蠢的错误\n8a6a205 安装 protoc\n5c5d5c5 代码风格检查\n61f00b7 确保模型存在\n4616546 主分支推送\nd0dd329 切换到 tf1.15\n347fa65 protoc\ne31423a pushd\necde4e6 响应式图片\n5832c5c 测试 Travis\ne19c598 事情正在逐步成型\n4b5898d Travis 5\ne3b8331 Travis 6\nc2a343a Travis3\nd45d801 Travis4\nbe7c972 再次尝试安装 protoc..\n67c54e7 尝试 protoc 3.3\n64f9ab2 尝试安装 protoc\nd32065b 再次尝试 Travis\n6b25ecd 更新分类说明\n620f3ca 更新分类研讨会\nba8bcdd 更新发布脚本\n\n","2020-04-01T19:38:32",{"id":193,"version":194,"summary_zh":195,"released_at":196},255488,"v1.2.30","\r\n\r\n## 更改记录\r\n\r\nba005c0 更新 6.md\n1399f07 更新 7.md\n3bde54d 更新 7.md\n47e5dad 更新 README.md\nf3d05d3 更新 README.md\n13bf862 更新 README.md\n1d900d0 更新 README.md\n990c55f 更新 README.md\nbc6dc82 更新 README.md\n404a814 更新 README.md\n35ba2ac 更新 README.md\n32df624 更新 getting-started.md\n06b9e89 更新 getting-started.md\ne30b067 更新 installing-the-cli.md\n0b178b2 添加更多文档\n1d4fa91 移除 poodoo\ncfbd886 更新文档并将验证比例提高至 20%\n1607679 更新文档，更明确地说明文档即将发布\r\n\r\n\r\n","2020-02-27T00:12:07",{"id":198,"version":199,"summary_zh":200,"released_at":201},255489,"v1.2.29","## 更改日志\n\nadf399d 添加了一些文档\n44ce985 修复 NumPy 更新问题\n23837aa 修正了拼写错误，将“Training has starting”改为“...has started”\nb9ed9db 生产环境构建\n209579b 更新文档资源","2020-02-09T17:14:07",{"id":203,"version":204,"summary_zh":205,"released_at":206},255490,"v1.2.28","## 更改日志\n\n48c4064 更新 README.md\na043d3e 更新 README.md\ne37a737 添加更多指南\ncb1a3fd 添加语义化 HTML\n4e21002 更改为 Docs\n55da55e 书签图标\n39a334b 修复登录错误\n91e699c 修复 mofi 错误\n9e6457c 修复 Travis 错误\nb2a9e40 改善 SEO\ne537196 将 workshop 缩略图移至本地\n4910ec1 sed 在 Linux 上的行为不同\n9673aec Travis 安装 ibmcloud\na3e64ac 尝试修复 Travis\n7ad6d5d 更新文档部署\n6baa9cc 更新标题\nab41359 更新 Travis\n\n","2020-01-31T15:42:23",{"id":208,"version":209,"summary_zh":210,"released_at":211},255491,"v1.2.27","## 更改记录\n\n1a83d38 更新 requirements.txt\n4d9b2e4 添加指南\nbef5eec 添加来自失效链接的重定向\n9f25b1a 更好地居中内容\n4220a99 分类重定向并修复损坏的图片\n8f63a0c 不自动添加链接\n385a092 修复标题未居中问题\nda60125 指南框架\ndabf1c2 提升图片加载速度\n648aad6 进一步提升移动端友好度\neea2e6b 稍微提升移动端友好度\na10bdca 使标题栏再次变粗\n31e4eca 使工作坊卡片更美观\nb0e4eef 页面锚点偏移 hack","2020-01-16T19:11:08",{"id":213,"version":214,"summary_zh":215,"released_at":216},255492,"v1.2.26","## 更改记录\n\ne139089 创建 CNAME\n07c4ad6 更新 README.md\nc37f6df 更新 _config.yml\nab3a037 更新 start.sh\n98fca92 禁用 tfjs 转换\n2fc9a98 初始文档重新设计\n19d4968 回滚 回滚 回滚，回滚到之前的状态\n\n","2020-01-11T15:42:00",{"id":218,"version":219,"summary_zh":220,"released_at":221},255493,"v1.2.25","## 更改记录\n\nd009451 更新 requirements.txt\n8bb41d0 list 的别名\n\n\n","2020-01-10T17:45:45",{"id":223,"version":224,"summary_zh":225,"released_at":226},255494,"v1.2.24","## 更改日志\n\nd3cd773 删除 4.md\nb2b6705 更新 5.md\n369c992 更新 6.md\n908c546 更新 README.md\n2770f08 增加训练的灵活性\n5d4472c 添加 TensorBoard 命令\n4c1d3ae 清理代码\na85ac86 完成 TensorBoard 相关工作\nf9a7ba1 推送当前可用的代码\n8b796e5 移除 S3 地址中的 https:\u002F\u002F\n2fe1a13 更新项目名称生成逻辑\n94f4739 在开发模式下使用最新版本","2020-01-05T21:57:28",{"id":228,"version":229,"summary_zh":230,"released_at":231},255495,"v1.2.23","\n\n## Changelog\n\nd64d50f Added cancel command\n089f2a1 added command\n2e1ff10 added message for cancel command\n3141aa8 added spinner for waiting to cancel\n18a986c enough is enough\n83955d5 fixed spelling\nce33277 not was not there\n5b9c30e resolved comments\n5c8db9f running away\n\n\n","2020-01-03T19:38:28",{"id":233,"version":234,"summary_zh":235,"released_at":236},255496,"v1.2.22","\n\n## Changelog\n\nea33bc2 Add trainer override\n\n\n","2019-12-31T22:29:21",{"id":238,"version":239,"summary_zh":240,"released_at":241},255497,"v1.2.21","\n\n## Changelog\n\n3b94892 Add files via upload\n2942d75 Update README.md\nadfd669 Update README.md\n7974ab3 Update README.md\nb8ddefe Update README.md\ndd709e3 Update README.md\ndf85a5e Update README.md\n0caef47 bump training revision\n\n\n","2019-12-31T21:00:56",{"id":243,"version":244,"summary_zh":245,"released_at":246},255498,"v1.2.20","\n\n## Changelog\n\n67a8eed don't assume s3 region\nd00ada0 update command documentation\n\n\n","2019-12-31T19:49:52",{"id":248,"version":249,"summary_zh":250,"released_at":251},255499,"v1.2.19","\n\n## Changelog\n\nd3a3665 one last try\n\n\n","2019-12-29T06:22:07",{"id":253,"version":254,"summary_zh":255,"released_at":256},255500,"v1.2.18","\n\n## Changelog\n\n979a738 woosp\n\n\n","2019-12-29T06:12:37",{"id":258,"version":259,"summary_zh":260,"released_at":261},255501,"v1.2.17","\n\n## Changelog\n\n2a42d10 echooooo\n\n\n","2019-12-29T06:06:24",{"id":263,"version":264,"summary_zh":265,"released_at":266},255502,"v1.2.16","\n\n## Changelog\n\n2c9d469 ignore garbage\n\n\n","2019-12-29T02:43:20",{"id":268,"version":269,"summary_zh":270,"released_at":271},255503,"v1.2.15","\n\n## Changelog\n\n5426dce update homebrew when releasing\n\n\n","2019-12-29T02:30:01",{"id":273,"version":274,"summary_zh":275,"released_at":276},255504,"v1.2.14","\n\n## Changelog\n\n08b0024 get GitHub release id from tag\n\n\n","2019-12-28T06:01:37"]