[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-facebookresearch--SlowFast":3,"tool-facebookresearch--SlowFast":64},[4,17,27,35,43,56],{"id":5,"name":6,"github_repo":7,"description_zh":8,"stars":9,"difficulty_score":10,"last_commit_at":11,"category_tags":12,"status":16},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。",162132,3,"2026-04-05T11:01:52",[13,14,15],"开发框架","图像","Agent","ready",{"id":18,"name":19,"github_repo":20,"description_zh":21,"stars":22,"difficulty_score":23,"last_commit_at":24,"category_tags":25,"status":16},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",138956,2,"2026-04-05T11:33:21",[13,15,26],"语言模型",{"id":28,"name":29,"github_repo":30,"description_zh":31,"stars":32,"difficulty_score":23,"last_commit_at":33,"category_tags":34,"status":16},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。",107662,"2026-04-03T11:11:01",[13,14,15],{"id":36,"name":37,"github_repo":38,"description_zh":39,"stars":40,"difficulty_score":23,"last_commit_at":41,"category_tags":42,"status":16},3704,"NextChat","ChatGPTNextWeb\u002FNextChat","NextChat 是一款轻量且极速的 AI 助手，旨在为用户提供流畅、跨平台的大模型交互体验。它完美解决了用户在多设备间切换时难以保持对话连续性，以及面对众多 AI 模型不知如何统一管理的痛点。无论是日常办公、学习辅助还是创意激发，NextChat 都能让用户随时随地通过网页、iOS、Android、Windows、MacOS 或 Linux 端无缝接入智能服务。\n\n这款工具非常适合普通用户、学生、职场人士以及需要私有化部署的企业团队使用。对于开发者而言，它也提供了便捷的自托管方案，支持一键部署到 Vercel 或 Zeabur 等平台。\n\nNextChat 的核心亮点在于其广泛的模型兼容性，原生支持 Claude、DeepSeek、GPT-4 及 Gemini Pro 等主流大模型，让用户在一个界面即可自由切换不同 AI 能力。此外，它还率先支持 MCP（Model Context Protocol）协议，增强了上下文处理能力。针对企业用户，NextChat 提供专业版解决方案，具备品牌定制、细粒度权限控制、内部知识库整合及安全审计等功能，满足公司对数据隐私和个性化管理的高标准要求。",87618,"2026-04-05T07:20:52",[13,26],{"id":44,"name":45,"github_repo":46,"description_zh":47,"stars":48,"difficulty_score":23,"last_commit_at":49,"category_tags":50,"status":16},2268,"ML-For-Beginners","microsoft\u002FML-For-Beginners","ML-For-Beginners 是由微软推出的一套系统化机器学习入门课程，旨在帮助零基础用户轻松掌握经典机器学习知识。这套课程将学习路径规划为 12 周，包含 26 节精炼课程和 52 道配套测验，内容涵盖从基础概念到实际应用的完整流程，有效解决了初学者面对庞大知识体系时无从下手、缺乏结构化指导的痛点。\n\n无论是希望转型的开发者、需要补充算法背景的研究人员，还是对人工智能充满好奇的普通爱好者，都能从中受益。课程不仅提供了清晰的理论讲解，还强调动手实践，让用户在循序渐进中建立扎实的技能基础。其独特的亮点在于强大的多语言支持，通过自动化机制提供了包括简体中文在内的 50 多种语言版本，极大地降低了全球不同背景用户的学习门槛。此外，项目采用开源协作模式，社区活跃且内容持续更新，确保学习者能获取前沿且准确的技术资讯。如果你正寻找一条清晰、友好且专业的机器学习入门之路，ML-For-Beginners 将是理想的起点。",84991,"2026-04-05T10:45:23",[14,51,52,53,15,54,26,13,55],"数据工具","视频","插件","其他","音频",{"id":57,"name":58,"github_repo":59,"description_zh":60,"stars":61,"difficulty_score":10,"last_commit_at":62,"category_tags":63,"status":16},3128,"ragflow","infiniflow\u002Fragflow","RAGFlow 是一款领先的开源检索增强生成（RAG）引擎，旨在为大语言模型构建更精准、可靠的上下文层。它巧妙地将前沿的 RAG 技术与智能体（Agent）能力相结合，不仅支持从各类文档中高效提取知识，还能让模型基于这些知识进行逻辑推理和任务执行。\n\n在大模型应用中，幻觉问题和知识滞后是常见痛点。RAGFlow 通过深度解析复杂文档结构（如表格、图表及混合排版），显著提升了信息检索的准确度，从而有效减少模型“胡编乱造”的现象，确保回答既有据可依又具备时效性。其内置的智能体机制更进一步，使系统不仅能回答问题，还能自主规划步骤解决复杂问题。\n\n这款工具特别适合开发者、企业技术团队以及 AI 研究人员使用。无论是希望快速搭建私有知识库问答系统，还是致力于探索大模型在垂直领域落地的创新者，都能从中受益。RAGFlow 提供了可视化的工作流编排界面和灵活的 API 接口，既降低了非算法背景用户的上手门槛，也满足了专业开发者对系统深度定制的需求。作为基于 Apache 2.0 协议开源的项目，它正成为连接通用大模型与行业专有知识之间的重要桥梁。",77062,"2026-04-04T04:44:48",[15,14,13,26,54],{"id":65,"github_repo":66,"name":67,"description_en":68,"description_zh":69,"ai_summary_zh":69,"readme_en":70,"readme_zh":71,"quickstart_zh":72,"use_case_zh":73,"hero_image_url":74,"owner_login":75,"owner_name":76,"owner_avatar_url":77,"owner_bio":78,"owner_company":79,"owner_location":79,"owner_email":79,"owner_twitter":79,"owner_website":80,"owner_url":81,"languages":82,"stars":91,"forks":92,"last_commit_at":93,"license":94,"difficulty_score":10,"env_os":95,"env_gpu":96,"env_ram":97,"env_deps":98,"category_tags":112,"github_topics":79,"view_count":113,"oss_zip_url":79,"oss_zip_packed_at":79,"status":16,"created_at":114,"updated_at":115,"faqs":116,"releases":161},1987,"facebookresearch\u002FSlowFast","SlowFast","PySlowFast: video understanding codebase from FAIR for reproducing state-of-the-art video models.","SlowFast 是一个由 Facebook AI 研究院（FAIR）开源的视频理解代码库，专为研究人员和开发者打造，提供了一系列前沿的视频分类与理解模型。它整合了 SlowFast、X3D、MViT、Rev-ViT 等多种高效网络架构，支持从基础视频分类到自监督学习、多尺度建模等复杂任务，帮助用户快速复现和实验最新成果。传统视频模型常因计算量大、训练慢而难以落地，SlowFast 通过多时间尺度建模、多网格训练、可逆网络等创新技术，显著提升训练效率与精度，降低资源门槛。无论是研究视频动作识别、时空特征学习，还是探索自监督预训练方法，都能在其中找到成熟、可扩展的实现。适合计算机视觉领域的研究人员、AI 工程师及高校学生使用，尤其适合希望在 PyTorch 环境下高效实验视频模型的用户。项目还提供预训练模型与完整数据集支持，开箱即用，助力视频理解研究的快速迭代。","# PySlowFast\n\nPySlowFast is an open source video understanding codebase from FAIR that provides state-of-the-art video classification models with efficient training. This repository includes implementations of the following methods:\n\n- [SlowFast Networks for Video Recognition](https:\u002F\u002Farxiv.org\u002Fabs\u002F1812.03982)\n- [Non-local Neural Networks](https:\u002F\u002Farxiv.org\u002Fabs\u002F1711.07971)\n- [A Multigrid Method for Efficiently Training Video Models](https:\u002F\u002Farxiv.org\u002Fabs\u002F1912.00998)\n- [X3D: Progressive Network Expansion for Efficient Video Recognition](https:\u002F\u002Farxiv.org\u002Fabs\u002F2004.04730)\n- [Multiscale Vision Transformers](https:\u002F\u002Farxiv.org\u002Fabs\u002F2104.11227)\n- [A Large-Scale Study on Unsupervised Spatiotemporal Representation Learning](https:\u002F\u002Farxiv.org\u002Fabs\u002F2104.14558)\n- [MViTv2: Improved Multiscale Vision Transformers for Classification and Detection](https:\u002F\u002Farxiv.org\u002Fabs\u002F2112.01526)\n- [Masked Feature Prediction for Self-Supervised Visual Pre-Training](https:\u002F\u002Farxiv.org\u002Fabs\u002F2112.09133)\n- [Masked Autoencoders As Spatiotemporal Learners](https:\u002F\u002Farxiv.org\u002Fabs\u002F2205.09113)\n- [Reversible Vision Transformers](https:\u002F\u002Fopenaccess.thecvf.com\u002Fcontent\u002FCVPR2022\u002Fpapers\u002FMangalam_Reversible_Vision_Transformers_CVPR_2022_paper.pdf)\n\n\u003Cdiv align=\"center\">\n  \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Ffacebookresearch_SlowFast_readme_5d741db03f16.gif\" width=\"600px\"\u002F>\n\u003C\u002Fdiv>\n\n## Introduction\n\nThe goal of PySlowFast is to provide a high-performance, light-weight pytorch codebase provides state-of-the-art video backbones for video understanding research on different tasks (classification, detection, and etc). It is designed in order to support rapid implementation and evaluation of novel video research ideas. PySlowFast includes implementations of the following backbone network architectures:\n\n- SlowFast\n- Slow\n- C2D\n- I3D\n- Non-local Network\n- X3D\n- MViTv1 and MViTv2\n- Rev-ViT and Rev-MViT\n\n## Updates\n - We now [Reversible Vision Transformers](https:\u002F\u002Fopenaccess.thecvf.com\u002Fcontent\u002FCVPR2022\u002Fpapers\u002FMangalam_Reversible_Vision_Transformers_CVPR_2022_paper.pdf). Both Reversible ViT and MViT models released. See [`projects\u002Frev`](.\u002Fprojects\u002Frev\u002FREADME.md).\n - We now support [MAE for Video](https:\u002F\u002Farxiv.org\u002Fabs\u002F2104.11227.pdf). See [`projects\u002Fmae`](.\u002Fprojects\u002Fmae\u002FREADME.md) for more information.\n - We now support [MaskFeat](https:\u002F\u002Farxiv.org\u002Fabs\u002F2112.09133). See [`projects\u002Fmaskfeat`](.\u002Fprojects\u002Fmaskfeat\u002FREADME.md) for more information.\n - We now support [MViTv2](https:\u002F\u002Farxiv.org\u002Fabs\u002F2104.11227.pdf) in PySlowFast. See [`projects\u002Fmvitv2`](.\u002Fprojects\u002Fmvitv2\u002FREADME.md) for more information.\n - We now support [A Large-Scale Study on Unsupervised Spatiotemporal Representation Learning](https:\u002F\u002Farxiv.org\u002Fabs\u002F2104.14558). See [`projects\u002Fcontrastive_ssl`](.\u002Fprojects\u002Fcontrastive_ssl\u002FREADME.md) for more information.\n - We now support [Multiscale Vision Transformers](https:\u002F\u002Farxiv.org\u002Fabs\u002F2104.11227.pdf) on Kinetics and ImageNet. See [`projects\u002Fmvit`](.\u002Fprojects\u002Fmvit\u002FREADME.md) for more information.\n - We now support [PyTorchVideo](https:\u002F\u002Fgithub.com\u002Ffacebookresearch\u002Fpytorchvideo) models and datasets. See [`projects\u002Fpytorchvideo`](.\u002Fprojects\u002Fpytorchvideo\u002FREADME.md) for more information.\n - We now support [X3D Models](https:\u002F\u002Farxiv.org\u002Fabs\u002F2004.04730). See [`projects\u002Fx3d`](.\u002Fprojects\u002Fx3d\u002FREADME.md) for more information.\n - We now support [Multigrid Training](https:\u002F\u002Farxiv.org\u002Fabs\u002F1912.00998) for efficiently training video models. See [`projects\u002Fmultigrid`](.\u002Fprojects\u002Fmultigrid\u002FREADME.md) for more information.\n - PySlowFast is released in conjunction with our [ICCV 2019 Tutorial](https:\u002F\u002Falexander-kirillov.github.io\u002Ftutorials\u002Fvisual-recognition-iccv19\u002F).\n\n## License\n\nPySlowFast is released under the [Apache 2.0 license](LICENSE).\n\n## Model Zoo and Baselines\n\nWe provide a large set of baseline results and trained models available for download in the PySlowFast [Model Zoo](MODEL_ZOO.md).\n\n## Installation\n\nPlease find installation instructions for PyTorch and PySlowFast in [INSTALL.md](INSTALL.md). You may follow the instructions in [DATASET.md](slowfast\u002Fdatasets\u002FDATASET.md) to prepare the datasets.\n\n## Quick Start\n\nFollow the example in [GETTING_STARTED.md](GETTING_STARTED.md) to start playing video models with PySlowFast.\n\n## Visualization Tools\n\nWe offer a range of visualization tools for the train\u002Feval\u002Ftest processes, model analysis, and for running inference with trained model.\nMore information at [Visualization Tools](VISUALIZATION_TOOLS.md).\n\n## Contributors\nPySlowFast is written and maintained by [Haoqi Fan](https:\u002F\u002Fhaoqifan.github.io\u002F), [Yanghao Li](https:\u002F\u002Flyttonhao.github.io\u002F), [Bo Xiong](https:\u002F\u002Fwww.cs.utexas.edu\u002F~bxiong\u002F), [Wan-Yen Lo](https:\u002F\u002Fwww.linkedin.com\u002Fin\u002Fwanyenlo\u002F), [Christoph Feichtenhofer](https:\u002F\u002Ffeichtenhofer.github.io\u002F).\n\n## Citing PySlowFast\nIf you find PySlowFast useful in your research, please use the following BibTeX entry for citation.\n```BibTeX\n@misc{fan2020pyslowfast,\n  author =       {Haoqi Fan and Yanghao Li and Bo Xiong and Wan-Yen Lo and\n                  Christoph Feichtenhofer},\n  title =        {PySlowFast},\n  howpublished = {\\url{https:\u002F\u002Fgithub.com\u002Ffacebookresearch\u002Fslowfast}},\n  year =         {2020}\n}\n```\n","# PySlowFast\n\nPySlowFast 是 FAIR 开源的视频理解代码库，提供性能领先的视频分类模型，并支持高效训练。本仓库包含以下方法的实现：\n\n- [用于视频识别的 SlowFast 网络](https:\u002F\u002Farxiv.org\u002Fabs\u002F1812.03982)\n- [非局部神经网络](https:\u002F\u002Farxiv.org\u002Fabs\u002F1711.07971)\n- [一种用于高效训练视频模型的多网格方法](https:\u002F\u002Farxiv.org\u002Fabs\u002F1912.00998)\n- [X3D：用于高效视频识别的渐进式网络扩展](https:\u002F\u002Farxiv.org\u002Fabs\u002F2004.04730)\n- [多尺度视觉变换器](https:\u002F\u002Farxiv.org\u002Fabs\u002F2104.11227)\n- [关于无监督时空表征学习的大规模研究](https:\u002F\u002Farxiv.org\u002Fabs\u002F2104.14558)\n- [MViTv2：用于分类与检测的改进多尺度视觉变换器](https:\u002F\u002Farxiv.org\u002Fabs\u002F2112.01526)\n- [用于自监督视觉预训练的掩码特征预测](https:\u002F\u002Farxiv.org\u002Fabs\u002F2112.09133)\n- [作为时空学习者的掩码自动编码器](https:\u002F\u002Farxiv.org\u002Fabs\u002F2205.09113)\n- [可逆视觉变换器](https:\u002F\u002Fopenaccess.thecvf.com\u002Fcontent\u002FCVPR2022\u002Fpapers\u002FMangalam_Reversible_Vision_Transformers_CVPR_2022_paper.pdf)\n\n\u003Cdiv align=\"center\">\n  \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Ffacebookresearch_SlowFast_readme_5d741db03f16.gif\" width=\"600px\"\u002F>\n\u003C\u002Fdiv>\n\n## 简介\n\nPySlowFast 的目标是提供一个高性能、轻量级的 PyTorch 代码库，为不同任务（分类、检测等）的视频理解研究提供最先进的视频骨干网络。它旨在支持新颖视频研究思路的快速实现与评估。PySlowFast 包含以下骨干网络架构的实现：\n\n- SlowFast\n- Slow\n- C2D\n- I3D\n- 非局部网络\n- X3D\n- MViTv1 和 MViTv2\n- Rev-ViT 和 Rev-MViT\n\n## 更新内容\n- 我们现在提供了[可逆视觉变换器](https:\u002F\u002Fopenaccess.thecvf.com\u002Fcontent\u002FCVPR2022\u002Fpapers\u002FMangalam_Reversible_Vision_Transformers_CVPR_2022_paper.pdf)。Reversible ViT 和 MViT 模型均已发布。请参阅 [`projects\u002Frev`](.\u002Fprojects\u002Frev\u002FREADME.md)。\n- 我们现在支持[用于视频的 MAE](https:\u002F\u002Farxiv.org\u002Fabs\u002F2104.11227.pdf)。更多信息请参阅 [`projects\u002Fmae`](.\u002Fprojects\u002Fmae\u002FREADME.md)。\n- 我们现在支持[MaskFeat](https:\u002F\u002Farxiv.org\u002Fabs\u002F2112.09133)。更多信息请参阅 [`projects\u002Fmaskfeat`](.\u002Fprojects\u002Fmaskfeat\u002FREADME.md)。\n- 我们现在在 PySlowFast 中支持[MViTv2](https:\u002F\u002Farxiv.org\u002Fabs\u002F2104.11227.pdf)。更多信息请参阅 [`projects\u002Fmvitv2`](.\u002Fprojects\u002Fmvitv2\u002FREADME.md)。\n- 我们现在支持[关于无监督时空表征学习的大规模研究](https:\u002F\u002Farxiv.org\u002Fabs\u002F2104.14558)。更多信息请参阅 [`projects\u002Fcontrastive_ssl`](.\u002Fprojects\u002Fcontrastive_ssl\u002FREADME.md)。\n- 我们现在支持[多尺度视觉变换器](https:\u002F\u002Farxiv.org\u002Fabs\u002F2104.11227.pdf)在 Kinetics 和 ImageNet 上的应用。更多信息请参阅 [`projects\u002Fmvit`](.\u002Fprojects\u002Fmvit\u002FREADME.md)。\n- 我们现在支持[PyTorchVideo](https:\u002F\u002Fgithub.com\u002Ffacebookresearch\u002Fpytorchvideo) 模型和数据集。更多信息请参阅 [`projects\u002Fpytorchvideo`](.\u002Fprojects\u002Fpytorchvideo\u002FREADME.md)。\n- 我们现在支持[X3D 模型](https:\u002F\u002Farxiv.org\u002Fabs\u002F2004.04730)。更多信息请参阅 [`projects\u002Fx3d`](.\u002Fprojects\u002Fx3d\u002FREADME.md)。\n- 我们现在支持[多网格训练](https:\u002F\u002Farxiv.org\u002Fabs\u002F1912.00998)以高效训练视频模型。更多信息请参阅 [`projects\u002Fmultigrid`](.\u002Fprojects\u002Fmultigrid\u002FREADME.md)。\n- PySlowFast 与我们的[ICCV 2019 教程](https:\u002F\u002Falexander-kirillov.github.io\u002Ftutorials\u002Fvisual-recognition-iccv19\u002F)一同发布。\n\n## 许可协议\n\nPySlowFast 根据[Apache 2.0 许可协议](LICENSE)发布。\n\n## 模型库与基线\n\n我们在 PySlowFast 的[模型库](MODEL_ZOO.md)中提供了大量基线结果和已训练模型供下载。\n\n## 安装说明\n\n请参阅 [INSTALL.md](INSTALL.md) 获取 PyTorch 和 PySlowFast 的安装说明。您还可以按照 [DATASET.md](slowfast\u002Fdatasets\u002FDATASET.md) 中的说明准备数据集。\n\n## 快速入门\n\n请参考 [GETTING_STARTED.md](GETTING_STARTED.md) 中的示例，开始使用 PySlowFast 运行视频模型。\n\n## 可视化工具\n\n我们提供了一系列可视化工具，用于训练\u002F评估\u002F测试过程、模型分析以及使用已训练模型进行推理。\n更多信息请参阅 [可视化工具](VISUALIZATION_TOOLS.md)。\n\n## 贡献者\n\nPySlowFast 由 [Haoqi Fan](https:\u002F\u002Fhaoqifan.github.io\u002F)、[Yanghao Li](https:\u002F\u002Flyttonhao.github.io\u002F)、[Bo Xiong](https:\u002F\u002Fwww.cs.utexas.edu\u002F~bxiong\u002F)、[Wan-Yen Lo](https:\u002F\u002Fwww.linkedin.com\u002Fin\u002Fwanyenlo\u002F)、[Christoph Feichtenhofer](https:\u002F\u002Ffeichtenhofer.github.io\u002F) 编写并维护。\n\n## 引用 PySlowFast\n如果您在研究中使用了 PySlowFast，请使用以下 BibTeX 条目进行引用。\n```BibTeX\n@misc{fan2020pyslowfast,\n  author =       {Haoqi Fan and Yanghao Li and Bo Xiong and Wan-Yen Lo and\n                  Christoph Feichtenhofer},\n  title =        {PySlowFast},\n  howpublished = {\\url{https:\u002F\u002Fgithub.com\u002Ffacebookresearch\u002Fslowfast}},\n  year =         {2020}\n}\n```","# PySlowFast 快速上手指南\n\n## 环境准备\n\n- **系统要求**：Linux 或 macOS（推荐 Ubuntu 20.04+）\n- **Python 版本**：3.8 或 3.9\n- **PyTorch**：1.10 或更高版本（推荐使用 CUDA 11.7）\n- **前置依赖**：`git`, `conda`（推荐）或 `pip`\n\n> 推荐使用清华镜像加速依赖安装：  \n> `pip config set global.index-url https:\u002F\u002Fpypi.tuna.tsinghua.edu.cn\u002Fsimple`\n\n## 安装步骤\n\n1. 克隆仓库：\n\n```bash\ngit clone https:\u002F\u002Fgithub.com\u002Ffacebookresearch\u002Fslowfast.git\ncd slowfast\n```\n\n2. 创建并激活 Conda 环境（推荐）：\n\n```bash\nconda create -n slowfast python=3.8 -y\nconda activate slowfast\n```\n\n3. 安装 PyTorch（根据你的 CUDA 版本选择）：\n\n```bash\n# CUDA 11.7\npip install torch torchvision torchaudio --index-url https:\u002F\u002Fdownload.pytorch.org\u002Fwhl\u002Fcu117\n\n# 或 CPU 版本\npip install torch torchvision torchaudio --index-url https:\u002F\u002Fdownload.pytorch.org\u002Fwhl\u002Fcpu\n```\n\n4. 安装 PySlowFast 及依赖：\n\n```bash\npip install -r requirements.txt\npip install -e .\n```\n\n5. 下载数据集（以 Kinetics-400 为例）：\n\n参考 [`DATASET.md`](slowfast\u002Fdatasets\u002FDATASET.md) 准备数据，建议使用国内镜像加速下载。\n\n## 基本使用\n\n运行一个预训练模型进行视频分类推理（以 Kinetics-400 为例）：\n\n```bash\n# 下载预训练模型（示例）\nwget https:\u002F\u002Fdl.fbaipublicfiles.com\u002Fpyslowfast\u002Fmodel_zoo\u002Fkinetics400\u002FSLOWFAST_8x8_R50.pkl\n\n# 运行推理（需准备一个视频文件 demo.mp4）\npython tools\u002Frun_net.py \\\n  --cfg configs\u002FKinetics\u002FSLOWFAST_8x8_R50.yaml \\\n  TEST.CHECKPOINT_FILE_PATH SLOWFAST_8x8_R50.pkl \\\n  TEST.ENABLE True \\\n  DATA.PATH_TO_DATA_DIR .\u002Fdemo.mp4\n```\n\n> 注意：默认配置使用 `Kinetics-400` 数据集标签。如需自定义模型或数据，请参考 [`GETTING_STARTED.md`](GETTING_STARTED.md)。\n\n模型输出将包含预测类别和置信度，支持直接用于视频理解任务开发。","某智能安防公司正开发一套基于视频的异常行为检测系统，需在数千小时的监控视频中自动识别打架、跌倒、徘徊等事件，团队仅有3名算法工程师，且计算资源有限。\n\n### 没有 SlowFast 时\n- 需从零搭建视频模型架构，花费近两周时间复现I3D和Non-local网络，代码混乱且难以调试。\n- 训练效率极低，单次完整视频训练需7天以上，无法快速迭代模型版本。\n- 多尺度视频特征提取困难，模型对快速动作（如跌倒）和慢速行为（如徘徊）识别准确率均低于60%。\n- 缺乏预训练权重，小数据集上严重过拟合，验证集F1值卡在0.58。\n- 没有统一训练框架，不同模型间数据加载、评估指标不一致，团队协作效率低下。\n\n### 使用 SlowFast 后\n- 直接调用内置的SlowFast和X3D骨干网络，3天内完成模型搭建与初步训练，节省80%开发时间。\n- 利用Multigrid训练策略，训练周期从7天缩短至2.5天，每周可完成3轮实验迭代。\n- SlowFast双路径结构自然融合快慢帧信息，打架识别准确率提升至89%，跌倒检出率提升至84%。\n- 直接加载Model Zoo中在Kinetics上预训练的权重，小样本下F1值跃升至0.79，显著缓解过拟合。\n- 统一的PyTorch接口与标准化评估流程，使团队能并行测试多个模型，代码复用率超90%。\n\nSlowFast让一支小团队在有限资源下，快速构建出工业级高精度视频理解系统，真正实现了“从想法到落地”的高效闭环。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Ffacebookresearch_SlowFast_5d741db0.gif","facebookresearch","Meta Research","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002Ffacebookresearch_449342bd.png","",null,"https:\u002F\u002Fopensource.fb.com","https:\u002F\u002Fgithub.com\u002Ffacebookresearch",[83,87],{"name":84,"color":85,"percentage":86},"Python","#3572A5",100,{"name":88,"color":89,"percentage":90},"Shell","#89e051",0,7335,1295,"2026-04-05T05:26:56","Apache-2.0","Linux, macOS","需要 NVIDIA GPU，显存 8GB+，CUDA 11.7+","16GB+",{"notes":99,"python":100,"dependencies":101},"建议使用 conda 管理环境，首次运行需下载约 5GB 模型文件，部分模型训练需要多卡分布式支持，推荐使用 Linux 系统以获得最佳兼容性","3.8+",[102,103,104,105,106,107,108,109,110,111],"torch>=2.0","torchvision","torchaudio","pytorchvideo","numpy","opencv-python","yacs","matplotlib","scipy","tqdm",[52,13,54],7,"2026-03-27T02:49:30.150509","2026-04-06T05:15:09.826923",[117,122,127,131,135,140,145,149,153,157],{"id":118,"question_zh":119,"answer_zh":120,"source_url":121},8970,"在使用 demo_net.py 在 AVA 数据集上进行自定义视频推理时出现 NaN 预测，如何解决？","问题通常由图像归一化重复导致。避免在输入图像上重复除以 255。检查 slowfast\u002Fdatasets\u002Futils.py 中的预处理逻辑，确保图像未在数据加载和模型输入阶段被两次归一化。若使用了自定义修改，移除对 images \u002F 255 的额外操作，确保输入像素值范围为 [0, 255] 而非 [0, 1]。","https:\u002F\u002Fgithub.com\u002Ffacebookresearch\u002FSlowFast\u002Fissues\u002F241",{"id":123,"question_zh":124,"answer_zh":125,"source_url":126},8971,"运行 run_net.py 时出现 'Failed to fetch video after 10 retries' 错误，如何修复？","该错误通常由 CSV 文件格式错误引起。确保训练\u002F验证\u002F测试 CSV 文件中每行使用空格分隔视频路径和标签，而非逗号。例如：\u002Fpath\u002Fto\u002Fvideo.mp4 101。即使文件扩展名为 .csv，也应使用空格分隔，使用逗号会导致解码失败。","https:\u002F\u002Fgithub.com\u002Ffacebookresearch\u002FSlowFast\u002Fissues\u002F119",{"id":128,"question_zh":129,"answer_zh":130,"source_url":126},8972,"如何正确准备 Kinetics 或 UCF101 数据集的 CSV 标注文件？","CSV 文件应为每行一个样本，格式为：视频路径（绝对路径）+ 空格 + 类别标签（整数）。例如：\u002Fdata\u002Fkinetics\u002Ftrain\u002Fabc.mp4 0。不要使用逗号分隔，避免使用多余空格或制表符。文件扩展名可为 .csv 或 .txt，但内容格式必须一致。",{"id":132,"question_zh":133,"answer_zh":134,"source_url":126},8973,"在 AVA 数据集上训练时出现 'Failed to decode by pyav with exception: division by zero'，如何解决？","此错误通常由 FFmpeg 版本不兼容导致。请安装 FFmpeg 4.2.2 或更高稳定版本（推荐使用 johnvansickle.com 提供的静态编译版）。确保系统中 FFmpeg 可被正确调用，并验证其能正常解码视频文件。可运行 ffmpeg -version 检查版本。",{"id":136,"question_zh":137,"answer_zh":138,"source_url":139},8974,"如何获取官方提供的 AVA 配置文件（如 SLOWFAST_32x2_R50_SHORT.yaml）的基准性能？","官方未直接公布所有配置的性能，但可通过查阅 Issue #469 和维护者回复确认，部分模型性能需自行训练。建议使用官方预训练权重（如 SLOWFAST_32x2_R101_50_50.pkl）在 AVA 验证集上进行评估，以获得可比结果。确保使用正确的配置文件和检测框文件（如 person_box_67091280_iou90\u002Fava_detection_val_boxes_and_labels.csv）。","https:\u002F\u002Fgithub.com\u002Ffacebookresearch\u002FSlowFast\u002Fissues\u002F112",{"id":141,"question_zh":142,"answer_zh":143,"source_url":144},8975,"SlowFast 模型在 UCF101 上训练的 FLOPs 与论文不符，且准确率远低于 GluonCV，是否模型有误？","FLOPs 差异可能因统计工具跳过部分操作（如 aten::batch_norm、aten::relu_）导致低估。准确率差异更可能源于训练策略不同：GluonCV 使用了更优的数据增强、学习率调度或预训练权重。建议检查是否使用了相同的预训练初始化、数据增强策略（如随机裁剪、颜色抖动）和训练轮数。官方实现未声称与 GluonCV 性能一致，建议以官方报告为准。","https:\u002F\u002Fgithub.com\u002Ffacebookresearch\u002FSlowFast\u002Fissues\u002F111",{"id":146,"question_zh":147,"answer_zh":148,"source_url":121},8976,"运行 demo_net.py 时提示 'No such file or directory' 或无法加载标签文件，如何解决？","确保在配置文件中正确设置了 DEMO.LABEL_FILE_PATH 指向有效的标签文件路径（如 ava_action_list.json）。若使用自定义数据，需提供与模型输出类别数匹配的标签映射文件。同时确认视频路径在 CSV 中正确指定，且文件存在且可读。可使用 os.path.exists() 手动验证路径。",{"id":150,"question_zh":151,"answer_zh":152,"source_url":121},8977,"训练时出现 'tuple index out of range' 错误，如何排查？","该错误通常由标注文件中某行格式错误导致，例如视频路径缺失或标签非整数。检查训练\u002F验证 CSV 文件，确保每行都包含有效的视频路径和一个整数标签，无空行或多余字段。可使用脚本验证每行是否包含恰好两个字段（路径和标签），并确保路径指向真实存在的视频文件。",{"id":154,"question_zh":155,"answer_zh":156,"source_url":126},8978,"如何解决 'Failed to decode with pyav with exception: tuple index out of range' 错误？","此错误通常由视频文件损坏或编码格式不支持引起。尝试使用 ffmpeg -i video.mp4 检查视频是否可正常解码。若失败，重新编码视频为 H.264 编码的 MP4 格式：ffmpeg -i input.mp4 -c:v libx264 -preset fast -crf 23 output.mp4。确保所有视频均为标准格式，避免使用 HEVC、VP9 等非主流编码。",{"id":158,"question_zh":159,"answer_zh":160,"source_url":121},8979,"在使用 SlowFast 模型时，如何确认是否使用了正确的预训练权重？","确保在配置文件中正确设置 TRAIN.CHECKPOINT_FILE_PATH 指向官方提供的 .pkl 权重文件（如 SLOWFAST_32x2_R101_50_50.pkl），并设置 TRAIN.CHECKPOINT_TYPE 为 'pytorch'。加载前验证文件是否存在且大小合理（通常数百 MB）。若使用自定义模型，需确保模型结构与权重文件完全匹配，否则会报维度不匹配错误。",[]]