[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-facebookresearch--pytorchvideo":3,"tool-facebookresearch--pytorchvideo":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",141543,2,"2026-04-06T11:32:54",[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。",107888,"2026-04-06T11:32:50",[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},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],"插件",{"id":54,"name":55,"github_repo":56,"description_zh":57,"stars":58,"difficulty_score":10,"last_commit_at":59,"category_tags":60,"status":17},4487,"LLMs-from-scratch","rasbt\u002FLLMs-from-scratch","LLMs-from-scratch 是一个基于 PyTorch 的开源教育项目，旨在引导用户从零开始一步步构建一个类似 ChatGPT 的大型语言模型（LLM）。它不仅是同名技术著作的官方代码库，更提供了一套完整的实践方案，涵盖模型开发、预训练及微调的全过程。\n\n该项目主要解决了大模型领域“黑盒化”的学习痛点。许多开发者虽能调用现成模型，却难以深入理解其内部架构与训练机制。通过亲手编写每一行核心代码，用户能够透彻掌握 Transformer 架构、注意力机制等关键原理，从而真正理解大模型是如何“思考”的。此外，项目还包含了加载大型预训练权重进行微调的代码，帮助用户将理论知识延伸至实际应用。\n\nLLMs-from-scratch 特别适合希望深入底层原理的 AI 开发者、研究人员以及计算机专业的学生。对于不满足于仅使用 API，而是渴望探究模型构建细节的技术人员而言，这是极佳的学习资源。其独特的技术亮点在于“循序渐进”的教学设计：将复杂的系统工程拆解为清晰的步骤，配合详细的图表与示例，让构建一个虽小但功能完备的大模型变得触手可及。无论你是想夯实理论基础，还是为未来研发更大规模的模型做准备",90106,"2026-04-06T11:19:32",[35,15,13,14],{"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":100,"forks":101,"last_commit_at":102,"license":103,"difficulty_score":32,"env_os":104,"env_gpu":105,"env_ram":104,"env_deps":106,"category_tags":111,"github_topics":76,"view_count":32,"oss_zip_url":76,"oss_zip_packed_at":76,"status":17,"created_at":113,"updated_at":114,"faqs":115,"releases":151},4630,"facebookresearch\u002Fpytorchvideo","pytorchvideo","A deep learning library for video understanding research.","PyTorchVideo 是一个专为视频理解研究打造的深度学习库，由 Facebook Research 基于 PyTorch 构建。它致力于解决视频数据分析中模型复现难、组件分散以及推理效率低等痛点，为研究人员和开发者提供了一套模块化、可复用且高效的技术组件。\n\n无论是需要快速验证新算法的科研人员，还是希望将视频分析功能落地到产品中的工程师，都能从中受益。PyTorchVideo 内置了丰富的“模型动物园”，收录了多种业界领先的预训练视频模型（如 SlowFast、X3D 及多尺度视觉 Transformer）及其基准测试结果，支持开箱即用。此外，它还提供了针对视频数据特性的专用加载器和变换工具，并针对硬件加速进行了优化。例如，其加速版的 X3D 模型在移动端设备上运行时，速度可达实时的 8 倍，极大降低了部署门槛。借助与 PyTorch 生态的无缝集成，用户可以轻松调用现有资源，专注于核心算法的创新与实验，从而高效推进视频动作识别、检测等前沿领域的研究与应用。","\u003Cp align=\"center\">\n \u003Cimg width=\"130%\" src=\".\u002F.github\u002Fmedia\u002Flogo_horizontal_color.png\" \u002F>\n\u003C\u002Fp>\n\n\u003Cp align=\"center\">\n   \u003Ca href=\"https:\u002F\u002Fgithub.com\u002Ffacebookresearch\u002Fpytorchvideo\u002Fblob\u002Fmain\u002FLICENSE\">\n    \u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fpypi\u002Fl\u002Fpytorchvideo\" alt=\"CircleCI\" \u002F>\n  \u003C\u002Fa>\n   \u003Ca href=\"https:\u002F\u002Fpypi.org\u002Fproject\u002Fpytorchvideo\u002F\">\n    \u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fpypi\u002Fv\u002Fpytorchvideo?color=blue&label=release\" alt=\"CircleCI\" \u002F>\n  \u003C\u002Fa>\n    \u003Ca href=\"https:\u002F\u002Fcircleci.com\u002Fgh\u002Ffacebookresearch\u002Fpytorchvideo\u002Ftree\u002Fmain\">\n    \u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fcircleci\u002Fbuild\u002Fgithub\u002Ffacebookresearch\u002Fpytorchvideo\u002Fmain?token=efdf3ff5b6f6acf44f4af39b683dea31d40e5901\" alt=\"Coverage\" \u002F>\n  \u003C\u002Fa>\n    \u003Ca href=\"https:\u002F\u002Fcodecov.io\u002Fgh\u002Ffacebookresearch\u002Fpytorchvideo\u002Fbranch\u002Fmain\">\n    \u003Cimg src=\"https:\u002F\u002Fcodecov.io\u002Fgh\u002Ffacebookresearch\u002Fpytorchvideo\u002Fbranch\u002Fmain\u002Fgraph\u002Fbadge.svg?token=OSZSI6JU31\"\u002F>\n  \u003C\u002Fa>\n  \u003C\u002Fa>\n    \u003Ca href=\"https:\u002F\u002Fpytorchvideo.slack.com\u002Fjoin\u002Fshared_invite\u002Fzt-wx8xsblj-eAfx6wox9tSuFrAm8KaiPg#\u002Fshared-invite\u002Femail\">\n    \u003Cimg src=\"http:\u002F\u002Fimg.shields.io\u002Fstatic\u002Fv1?label=Join%20us%20on&message=%23pytorchvideo&labelColor=%234A154B&logo=slack\"\u002F>\n  \u003C\u002Fa>\n  \u003Cp align=\"center\">\n    \u003Ci> A deep learning library for video understanding research.\u003C\u002Fi>\n  \u003C\u002Fp>\n  \u003Cp align=\"center\">\n    \u003Ci>Check the \u003Ca href=\"https:\u002F\u002Fpytorchvideo.org\u002F\">website\u003C\u002Fa> for more information.\u003C\u002Fi>\n  \u003C\u002Fp>\n \u003C\u002Fp>\n\n|\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Ffacebookresearch_pytorchvideo_readme_f9eeb809a930.gif\" width=\"200\"> | \u003Cimg src=\".github\u002Fmedia\u002Fava_slowfast.gif\" width=\"1300\">\n|:-------------------------------:|:--------------------------------------------------:|\n| A PyTorchVideo-accelerated X3D model running on a Samsung Galaxy S10 phone. The model runs ~8x faster than real time, requiring roughly 130 ms to process one second of video.| A PyTorchVideo-based SlowFast model performing video action detection.|\n\n## X3D model Web Demo\nIntegrated to [Huggingface Spaces](https:\u002F\u002Fhuggingface.co\u002Fspaces) with [Gradio](https:\u002F\u002Fgithub.com\u002Fgradio-app\u002Fgradio). See demo: [![Hugging Face Spaces](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002F%F0%9F%A4%97%20Hugging%20Face-Spaces-blue)](https:\u002F\u002Fhuggingface.co\u002Fspaces\u002Fpytorch\u002FX3D)\n\n## Introduction\n\nPyTorchVideo is a deeplearning library with a focus on video understanding work. PytorchVideo provides reusable, modular and efficient components needed to accelerate the video understanding research. PyTorchVideo is developed using [PyTorch](https:\u002F\u002Fpytorch.org) and supports different deeplearning video components like video models, video datasets, and video-specific transforms.\n\nKey features include:\n\n- **Based on PyTorch:** Built using PyTorch. Makes it easy to use all of the PyTorch-ecosystem components.\n- **Reproducible Model Zoo:** Variety of state of the art pretrained video models and their associated benchmarks that are ready to use.\n  Complementing the model zoo, PyTorchVideo comes with extensive data loaders supporting different datasets.\n- **Efficient Video Components:** Video-focused fast and efficient components that are easy to use. Supports accelerated inference on hardware.\n\n## Updates\n\n- Aug 2021: [Multiscale Vision Transformers](https:\u002F\u002Farxiv.org\u002Fabs\u002F2104.11227) has been released in PyTorchVideo, details can be found from [here](https:\u002F\u002Fgithub.com\u002Ffacebookresearch\u002Fpytorchvideo\u002Fblob\u002Fmain\u002Fpytorchvideo\u002Fmodels\u002Fvision_transformers.py#L97).\n\n## Installation\n\nInstall PyTorchVideo inside a conda environment(Python >=3.7) with\n```shell\npip install pytorchvideo\n```\n\nFor detailed instructions please refer to [INSTALL.md](INSTALL.md).\n\n## License\n\nPyTorchVideo is released under the [Apache 2.0 License](LICENSE).\n\n## Tutorials\n\nGet started with PyTorchVideo by trying out one of our [tutorials](https:\u002F\u002Fpytorchvideo.org\u002Fdocs\u002Ftutorial_overview) or by running examples in the [tutorials folder](.\u002Ftutorials).\n\n\n## Model Zoo and Baselines\nWe provide a large set of baseline results and trained models available for download in the [PyTorchVideo Model Zoo](https:\u002F\u002Fgithub.com\u002Ffacebookresearch\u002Fpytorchvideo\u002Fblob\u002Fmain\u002Fdocs\u002Fsource\u002Fmodel_zoo.md).\n\n## Contributors\n\nHere is the growing list of PyTorchVideo contributors in alphabetical order (let us know if you would like to be added):\n[Aaron Adcock](https:\u002F\u002Fwww.linkedin.com\u002Fin\u002Faaron-adcock-79855383\u002F), [Amy Bearman](https:\u002F\u002Fwww.linkedin.com\u002Fin\u002Famy-bearman\u002F), [Bernard Nguyen](https:\u002F\u002Fwww.linkedin.com\u002Fin\u002Fmrbernardnguyen\u002F), [Bo Xiong](https:\u002F\u002Fwww.cs.utexas.edu\u002F~bxiong\u002F), [Chengyuan Yan](https:\u002F\u002Fwww.linkedin.com\u002Fin\u002Fchengyuan-yan-4a804282\u002F), [Christoph Feichtenhofer](https:\u002F\u002Ffeichtenhofer.github.io\u002F), [Dave Schnizlein](https:\u002F\u002Fwww.linkedin.com\u002Fin\u002Fdavid-schnizlein-96020136\u002F), [Haoqi Fan](https:\u002F\u002Fhaoqifan.github.io\u002F), [Heng Wang](https:\u002F\u002Fhengcv.github.io\u002F), [Jackson Hamburger](https:\u002F\u002Fwww.linkedin.com\u002Fin\u002Fjackson-hamburger-986a2873\u002F), [Jitendra Malik](http:\u002F\u002Fpeople.eecs.berkeley.edu\u002F~malik\u002F), [Kalyan Vasudev Alwala](https:\u002F\u002Fwww.linkedin.com\u002Fin\u002Fkalyan-vasudev-alwala-2a802b64\u002F), [Matt Feiszli](https:\u002F\u002Fwww.linkedin.com\u002Fin\u002Fmatt-feiszli-76b34b\u002F), [Nikhila Ravi](https:\u002F\u002Fwww.linkedin.com\u002Fin\u002Fnikhilaravi\u002F), [Ross Girshick](https:\u002F\u002Fwww.rossgirshick.info\u002F), [Tullie Murrell](https:\u002F\u002Fwww.linkedin.com\u002Fin\u002Ftullie\u002F), [Wan-Yen Lo](https:\u002F\u002Fwww.linkedin.com\u002Fin\u002Fwanyenlo\u002F), [Weiyao Wang](https:\u002F\u002Fwww.linkedin.com\u002Fin\u002Fweiyaowang\u002F?locale=en_US), [Xiaowen Lin](https:\u002F\u002Fwww.linkedin.com\u002Fin\u002Fxiaowen-lin-90542b34\u002F), [Yanghao Li](https:\u002F\u002Flyttonhao.github.io\u002F), [Yilei Li](https:\u002F\u002Fliyilui.github.io\u002Fpersonal_page\u002F), [Zhengxing Chen](http:\u002F\u002Fczxttkl.github.io\u002F), [Zhicheng Yan](https:\u002F\u002Fwww.linkedin.com\u002Fin\u002Fzhichengyan\u002F).\n\n\n## Development\n\nWe welcome new contributions to PyTorchVideo and we will be actively maintaining this library! Please refer to [`CONTRIBUTING.md`](.\u002F.github\u002FCONTRIBUTING.md) for full instructions on how to run the code, tests and linter, and submit your pull requests.\n\n## Citing PyTorchVideo\n\nIf you find PyTorchVideo useful in your work, please use the following BibTeX entry for citation.\n```BibTeX\n@inproceedings{fan2021pytorchvideo,\n    author =       {Haoqi Fan and Tullie Murrell and Heng Wang and Kalyan Vasudev Alwala and Yanghao Li and Yilei Li and Bo Xiong and Nikhila Ravi and Meng Li and Haichuan Yang and  Jitendra Malik and Ross Girshick and Matt Feiszli and Aaron Adcock and Wan-Yen Lo and Christoph Feichtenhofer},\n    title = {{PyTorchVideo}: A Deep Learning Library for Video Understanding},\n    booktitle = {Proceedings of the 29th ACM International Conference on Multimedia},\n    year = {2021},\n    note = {\\url{https:\u002F\u002Fpytorchvideo.org\u002F}},\n}\n```\n","\u003Cp align=\"center\">\n \u003Cimg width=\"130%\" src=\".\u002F.github\u002Fmedia\u002Flogo_horizontal_color.png\" \u002F>\n\u003C\u002Fp>\n\n\u003Cp align=\"center\">\n   \u003Ca href=\"https:\u002F\u002Fgithub.com\u002Ffacebookresearch\u002Fpytorchvideo\u002Fblob\u002Fmain\u002FLICENSE\">\n    \u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fpypi\u002Fl\u002Fpytorchvideo\" alt=\"CircleCI\" \u002F>\n  \u003C\u002Fa>\n   \u003Ca href=\"https:\u002F\u002Fpypi.org\u002Fproject\u002Fpytorchvideo\u002F\">\n    \u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fpypi\u002Fv\u002Fpytorchvideo?color=blue&label=release\" alt=\"CircleCI\" \u002F>\n  \u003C\u002Fa>\n    \u003Ca href=\"https:\u002F\u002Fcircleci.com\u002Fgh\u002Ffacebookresearch\u002Fpytorchvideo\u002Ftree\u002Fmain\">\n    \u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fcircleci\u002Fbuild\u002Fgithub\u002Ffacebookresearch\u002Fpytorchvideo\u002Fmain?token=efdf3ff5b6f6acf44f4af39b683dea31d40e5901\" alt=\"Coverage\" \u002F>\n  \u003C\u002Fa>\n    \u003Ca href=\"https:\u002F\u002Fcodecov.io\u002Fgh\u002Ffacebookresearch\u002Fpytorchvideo\u002Fbranch\u002Fmain\">\n    \u003Cimg src=\"https:\u002F\u002Fcodecov.io\u002Fgh\u002Ffacebookresearch\u002Fpytorchvideo\u002Fbranch\u002Fmain\u002Fgraph\u002Fbadge.svg?token=OSZSI6JU31\"\u002F>\n  \u003C\u002Fa>\n  \u003C\u002Fa>\n    \u003Ca href=\"https:\u002F\u002Fpytorchvideo.slack.com\u002Fjoin\u002Fshared_invite\u002Fzt-wx8xsblj-eAfx6wox9tSuFrAm8KaiPg#\u002Fshared-invite\u002Femail\">\n    \u003Cimg src=\"http:\u002F\u002Fimg.shields.io\u002Fstatic\u002Fv1?label=Join%20us%20on&message=%23pytorchvideo&labelColor=%234A154B&logo=slack\"\u002F>\n  \u003C\u002Fa>\n  \u003Cp align=\"center\">\n    \u003Ci> 用于视频理解研究的深度学习库。\u003C\u002Fi>\n  \u003C\u002Fp>\n  \u003Cp align=\"center\">\n    \u003Ci>更多信息请访问\u003Ca href=\"https:\u002F\u002Fpytorchvideo.org\u002F\">网站\u003C\u002Fa>。\u003C\u002Fi>\n  \u003C\u002Fp>\n \u003C\u002Fp>\n\n|\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Ffacebookresearch_pytorchvideo_readme_f9eeb809a930.gif\" width=\"200\"> | \u003Cimg src=\".github\u002Fmedia\u002Fava_slowfast.gif\" width=\"1300\">\n|:-------------------------------:|:--------------------------------------------------:|\n| 在三星 Galaxy S10 手机上运行的 PyTorchVideo 加速的 X3D 模型。该模型运行速度比实时快约 8 倍，处理一秒钟视频大约需要 130 毫秒。| 基于 PyTorchVideo 的 SlowFast 模型进行视频动作检测。|\n\n## X3D 模型 Web 演示\n集成到 [Huggingface Spaces](https:\u002F\u002Fhuggingface.co\u002Fspaces) 中，使用 [Gradio](https:\u002F\u002Fgithub.com\u002Fgradio-app\u002Fgradio)。查看演示：[![Hugging Face Spaces](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002F%F0%9F%A4%97%20Hugging%20Face-Spaces-blue)](https:\u002F\u002Fhuggingface.co\u002Fspaces\u002Fpytorch\u002FX3D)\n\n## 简介\n\nPyTorchVideo 是一个专注于视频理解工作的深度学习库。PyTorchVideo 提供了可重用、模块化且高效的组件，以加速视频理解研究。PyTorchVideo 使用 [PyTorch](https:\u002F\u002Fpytorch.org) 开发，支持多种深度学习视频组件，如视频模型、视频数据集和特定于视频的变换。\n\n主要特性包括：\n\n- **基于 PyTorch：** 使用 PyTorch 构建，便于使用 PyTorch 生态系统中的所有组件。\n- **可复现的模型库：** 各种最先进的预训练视频模型及其相关基准测试，开箱即用。此外，PyTorchVideo 还配备了支持不同数据集的丰富数据加载器。\n- **高效视频组件：** 专注于视频的快速高效组件，易于使用。支持在硬件上进行加速推理。\n\n## 更新\n\n- 2021 年 8 月：[多尺度视觉 Transformer](https:\u002F\u002Farxiv.org\u002Fabs\u002F2104.11227) 已发布在 PyTorchVideo 中，详情请参阅 [此处](https:\u002F\u002Fgithub.com\u002Ffacebookresearch\u002Fpytorchvideo\u002Fblob\u002Fmain\u002Fpytorchvideo\u002Fmodels\u002Fvision_transformers.py#L97)。\n\n## 安装\n\n在 conda 环境（Python >=3.7）中安装 PyTorchVideo：\n```shell\npip install pytorchvideo\n```\n\n有关详细说明，请参阅 [INSTALL.md](INSTALL.md)。\n\n## 许可证\n\nPyTorchVideo 根据 [Apache 2.0 许可证](LICENSE) 发布。\n\n## 教程\n\n通过尝试我们的 [教程](https:\u002F\u002Fpytorchvideo.org\u002Fdocs\u002Ftutorial_overview) 或运行 [教程文件夹](.\u002Ftutorials) 中的示例，开始使用 PyTorchVideo。\n\n## 模型库和基准\n\n我们提供大量基准结果和已训练模型，可在 [PyTorchVideo 模型库](https:\u002F\u002Fgithub.com\u002Ffacebookresearch\u002Fpytorchvideo\u002Fblob\u002Fmain\u002Fdocs\u002Fsource\u002Fmodel_zoo.md) 中下载。\n\n## 贡献者\n\n以下是按字母顺序排列的不断增长的 PyTorchVideo 贡献者列表（如果您希望被添加，请告知我们）：\n[Aaron Adcock](https:\u002F\u002Fwww.linkedin.com\u002Fin\u002Faaron-adcock-79855383\u002F)、[Amy Bearman](https:\u002F\u002Fwww.linkedin.com\u002Fin\u002Famy-bearman\u002F)、[Bernard Nguyen](https:\u002F\u002Fwww.linkedin.com\u002Fin\u002Fmrbernardnguyen\u002F)、[Bo Xiong](https:\u002F\u002Fwww.cs.utexas.edu\u002F~bxiong\u002F)、[Chengyuan Yan](https:\u002F\u002Fwww.linkedin.com\u002Fin\u002Fchengyuan-yan-4a804282\u002F)、[Christoph Feichtenhofer](https:\u002F\u002Ffeichtenhofer.github.io\u002F)、[Dave Schnizlein](https:\u002F\u002Fwww.linkedin.com\u002Fin\u002Fdavid-schnizlein-96020136\u002F)、[Haoqi Fan](https:\u002F\u002Fhaoqifan.github.io\u002F)、[Heng Wang](https:\u002F\u002Fhengcv.github.io\u002F)、[Jackson Hamburger](https:\u002F\u002Fwww.linkedin.com\u002Fin\u002Fjackson-hamburger-986a2873\u002F)、[Jitendra Malik](http:\u002F\u002Fpeople.eecs.berkeley.edu\u002F~malik\u002F)、[Kalyan Vasudev Alwala](https:\u002F\u002Fwww.linkedin.com\u002Fin\u002Fkalyan-vasudev-alwala-2a802b64\u002F)、[Matt Feiszli](https:\u002F\u002Fwww.linkedin.com\u002Fin\u002Fmatt-feiszli-76b34b\u002F)、[Nikhila Ravi](https:\u002F\u002Fwww.linkedin.com\u002Fin\u002Fnikhilaravi\u002F)、[Ross Girshick](https:\u002F\u002Fwww.rossgirshick.info\u002F)、[Tullie Murrell](https:\u002F\u002Fwww.linkedin.com\u002Fin\u002Ftullie\u002F)、[Wan-Yen Lo](https:\u002F\u002Fwww.linkedin.com\u002Fin\u002Fwanyenlo\u002F)、[Weiyao Wang](https:\u002F\u002Fwww.linkedin.com\u002Fin\u002Fweiyaowang\u002F?locale=en_US)、[Xiaowen Lin](https:\u002F\u002Fwww.linkedin.com\u002Fin\u002Fxiaowen-lin-90542b34\u002F)、[Yanghao Li](https:\u002F\u002Flyttonhao.github.io\u002F)、[Yilei Li](https:\u002F\u002Fliyilui.github.io\u002Fpersonal_page\u002F)、[Zhengxing Chen](http:\u002F\u002Fczxttkl.github.io\u002F)、[Zhicheng Yan](https:\u002F\u002Fwww.linkedin.com\u002Fin\u002Fzhichengyan\u002F)。\n\n\n## 开发\n\n我们欢迎对 PyTorchVideo 的新贡献，并将积极维护此库！有关如何运行代码、测试和 linter，以及提交拉取请求的完整说明，请参阅 [`CONTRIBUTING.md`](.\u002F.github\u002FCONTRIBUTING.md)。\n\n## 引用 PyTorchVideo\n\n如果您在工作中发现 PyTorchVideo 很有用，请使用以下 BibTeX 条目进行引用。\n```BibTeX\n@inproceedings{fan2021pytorchvideo,\n    author =       {Haoqi Fan 和 Tullie Murrell、Heng Wang、Kalyan Vasudev Alwala、Yanghao Li、Yilei Li、Bo Xiong、Nikhila Ravi、Meng Li、Haichuan Yang、Jitendra Malik、Ross Girshick、Matt Feiszli、Aaron Adcock、Wan-Yen Lo、Christoph Feichtenhofer},\n    title = {{PyTorchVideo}: 视频理解的深度学习库},\n    booktitle = {第 29 届 ACM 国际多媒体会议论文集},\n    year = {2021},\n    note = {\\url{https:\u002F\u002Fpytorchvideo.org\u002F}},\n}\n```","# PyTorchVideo 快速上手指南\n\nPyTorchVideo 是一个专注于视频理解研究的深度学习库，基于 PyTorch 构建，提供可复用、模块化且高效的视频模型、数据集加载器及专用变换组件。\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 或 macOS（Windows 支持可能受限，建议优先使用 Linux）\n*   **Python 版本**：>= 3.7\n*   **前置依赖**：\n    *   已安装 [PyTorch](https:\u002F\u002Fpytorch.org) (推荐最新稳定版)\n    *   推荐使用 `conda` 管理虚拟环境\n\n## 安装步骤\n\n建议在 conda 虚拟环境中进行安装，以避免依赖冲突。\n\n1.  **创建并激活 conda 环境**（如已存在可跳过）：\n    ```bash\n    conda create -n ptv python=3.8\n    conda activate ptv\n    ```\n\n2.  **安装 PyTorchVideo**：\n    \n    直接使用 pip 安装官方发布版本：\n    ```bash\n    pip install pytorchvideo\n    ```\n\n    > **国内加速提示**：如果下载速度较慢，可使用清华或阿里镜像源加速安装：\n    > ```bash\n    > pip install pytorchvideo -i https:\u002F\u002Fpypi.tuna.tsinghua.edu.cn\u002Fsimple\n    > ```\n\n    *注：如需安装包含最新未发布特性的开发版，或需要特定的 CUDA 版本支持，请参考项目根目录下的 `INSTALL.md` 文件获取详细编译指令。*\n\n## 基本使用\n\n安装完成后，您可以直接导入库并使用预训练模型。以下是一个加载预训练模型并进行简单推理的最小化示例：\n\n```python\nimport torch\nfrom pytorchvideo.models.x3d import x3d_xs\n\n# 1. 构建模型 (以 X3D-XS 为例)\nmodel = x3d_xs(pretrained=True)\nmodel.eval()\n\n# 2. 准备输入数据 (模拟一个视频片段)\n# 形状通常为 (Batch, Channel, Time, Height, Width)\n# 这里假设输入为 16 帧，224x224 分辨率的 RGB 视频\ninput_video = torch.rand(1, 3, 16, 224, 224)\n\n# 3. 前向推理\nwith torch.no_grad():\n    output = model(input_video)\n\nprint(f\"输出形状：{output.shape}\")\nprint(\"模型推理完成！\")\n```\n\n**下一步建议**：\n*   访问 [PyTorchVideo 官方教程](https:\u002F\u002Fpytorchvideo.org\u002Fdocs\u002Ftutorial_overview) 学习数据加载、自定义变换及训练流程。\n*   查看 [Model Zoo](https:\u002F\u002Fgithub.com\u002Ffacebookresearch\u002Fpytorchvideo\u002Fblob\u002Fmain\u002Fdocs\u002Fsource\u002Fmodel_zoo.md) 获取更多预训练模型（如 SlowFast, MViT 等）及其基准性能。","某智能安防团队正在开发一套实时视频行为分析系统，需要在边缘设备上快速部署模型以识别打架、跌倒等异常行为。\n\n### 没有 pytorchvideo 时\n- **数据预处理繁琐**：开发者需手动编写复杂的视频解码与时序采样代码，难以统一处理不同格式的视频流，导致数据加载成为性能瓶颈。\n- **模型复现困难**：从论文到代码的转化周期长，缺乏官方提供的高质量预训练模型（如 SlowFast、X3D），基线对比实验耗时数周。\n- **端侧部署受阻**：现有模型在移动端推理速度极慢，无法满足实时性要求，且缺乏针对硬件加速的优化组件，难以在摄像头或手机上运行。\n\n### 使用 pytorchvideo 后\n- **模块化数据流水线**：直接调用内置的高效视频数据集加载器和专用变换算子，轻松实现多尺度时序采样，数据准备效率提升 50% 以上。\n- **开箱即用的模型库**：一键加载经过严格基准测试的 SOTA 预训练模型，立即获得可靠的性能基线，将算法验证周期从数周缩短至几天。\n- **高效的边缘推理**：利用专为视频优化的组件及量化支持，成功将 X3D 模型部署至三星手机等边缘设备，实现比实时速度快 8 倍的流畅检测。\n\npytorchvideo 通过提供标准化、高性能的视频理解组件，极大地降低了从算法研究到端侧落地的技术门槛与时间成本。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Ffacebookresearch_pytorchvideo_21c631ac.png","facebookresearch","Meta Research","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002Ffacebookresearch_449342bd.png","",null,"https:\u002F\u002Fopensource.fb.com","https:\u002F\u002Fgithub.com\u002Ffacebookresearch",[80,84,88,92,96],{"name":81,"color":82,"percentage":83},"Python","#3572A5",94.9,{"name":85,"color":86,"percentage":87},"Jupyter Notebook","#DA5B0B",3.9,{"name":89,"color":90,"percentage":91},"JavaScript","#f1e05a",0.8,{"name":93,"color":94,"percentage":95},"CSS","#663399",0.3,{"name":97,"color":98,"percentage":99},"Shell","#89e051",0,3554,434,"2026-04-02T08:40:41","Apache-2.0","未说明","未说明（作为视频深度学习库，通常建议配备支持 CUDA 的 NVIDIA GPU 以加速推理和训练，但 README 未明确具体型号或显存要求）",{"notes":107,"python":108,"dependencies":109},"建议在 conda 环境中安装。详细安装步骤需参考项目中的 INSTALL.md 文件。该库专注于视频理解研究，提供预训练模型和视频数据处理组件。",">=3.7",[110],"torch (PyTorch)",[112,14],"视频","2026-03-27T02:49:30.150509","2026-04-07T06:14:52.651048",[116,121,126,131,136,141,146],{"id":117,"question_zh":118,"answer_zh":119,"source_url":120},21052,"使用 torch.hub 加载模型时出现 'ImportError: cannot import name slow_r50_detection' 错误怎么办？","这是 pytorchvideo 0.1.1 版本的已知 Bug。解决方法是卸载当前版本并安装 0.1.2 或更高版本。维护者已更新 pip 构建以匹配最新提交，所有安装方法（参考 INSTALL.md）在新版本中均已正常工作。命令示例：pip uninstall pytorchvideo && pip install pytorchvideo>=0.1.2。","https:\u002F\u002Fgithub.com\u002Ffacebookresearch\u002Fpytorchvideo\u002Fissues\u002F70",{"id":122,"question_zh":123,"answer_zh":124,"source_url":125},21050,"在 Mac CPU 环境下运行时报错 'TypeError: cannot pickle torch._C.Generator object' 怎么办？","这是一个已知的上游问题，仅发生在 Mac CPU 环境且 num_workers > 0 时。目前的解决方案是将 DataLoader 的 num_workers 设置为 0。该问题源于 PyTorch 本身（参考 upstream issue: https:\u002F\u002Fgithub.com\u002Fpytorch\u002Fpytorch\u002Fissues\u002F43672），建议在使用 Mac CPU 进行数据加载时避免使用多进程。","https:\u002F\u002Fgithub.com\u002Ffacebookresearch\u002Fpytorchvideo\u002Fissues\u002F21",{"id":127,"question_zh":128,"answer_zh":129,"source_url":130},21051,"安装 pytorchvideo 时与 detectron2 存在 fvcore 版本依赖冲突如何解决？","该问题已在 pytorchvideo v0.1.2 版本中修复。早期版本要求 fvcore>=0.1.4，而 detectron2 要求 fvcore\u003C0.1.4，导致冲突。解决方法是升级 pytorchvideo 到 0.1.2 或更高版本：卸载旧版本后重新安装（pip install -U pytorchvideo），新版本已兼容 fvcore>=0.1.3。","https:\u002F\u002Fgithub.com\u002Ffacebookresearch\u002Fpytorchvideo\u002Fissues\u002F66",{"id":132,"question_zh":133,"answer_zh":134,"source_url":135},21053,"如何加载非 Kinetics 数据集（如 Charades）的预训练模型并进行推理？","可以通过指定自定义 checkpoint_path 来加载其他数据集的预训练模型。示例代码如下：\nfrom pytorchvideo.models.hub.slowfast import _slowfast\nimport torch\nroot_url = \"https:\u002F\u002Fdl.fbaipublicfiles.com\u002Fpytorchvideo\u002Fmodel_zoo\"\ncheckpoint_path = f\"{root_url}\u002Fcharades\u002FSLOWFAST_8x8_R50.pyth\"\nmodel = _slowfast(pretrained=True, checkpoint_path=checkpoint_path)\n注意：加载成功后输出维度仍可能对应原架构类别数，需根据实际任务调整分类头；视频预处理方式需参考对应数据集的训练配置以确保一致性。","https:\u002F\u002Fgithub.com\u002Ffacebookresearch\u002Fpytorchvideo\u002Fissues\u002F67",{"id":137,"question_zh":138,"answer_zh":139,"source_url":140},21054,"使用 SlowFast 模型时出现 'AssertionError: input for MultiPathWayWithFuse needs to be a list of tensors' 错误原因是什么？","该错误是因为输入格式不正确。MultiPathWayWithFuse 模块要求输入是一个张量列表（list of tensors），而不是单个张量。请检查数据加载和变换流程，确保传递给模型的输入是 [tensor_slow, tensor_fast] 形式的列表。详细用法可参考官方文档中的教程部分。","https:\u002F\u002Fgithub.com\u002Ffacebookresearch\u002Fpytorchvideo\u002Fissues\u002F27",{"id":142,"question_zh":143,"answer_zh":144,"source_url":145},21055,"MaskFeat 模型的代码何时开源？","截至该 Issue 关闭时，官方尚未公布 MaskFeat 模型的具体开源时间表。多个用户曾在 Issue 中询问进展，但维护者未提供明确发布日期。建议关注 facebookresearch\u002Fpytorchvideo 仓库的更新或论文主页获取最新动态。","https:\u002F\u002Fgithub.com\u002Ffacebookresearch\u002Fpytorchvideo\u002Fissues\u002F163",{"id":147,"question_zh":148,"answer_zh":149,"source_url":150},21056,"如何将训练得到的 .ckpt 权重文件转换为可用于 Android 部署的 .pt 文件？","Issue 中用户尝试将 PyTorch Lightning 训练的 .ckpt 文件转为 TorchScript (.pt) 用于 Android，但遇到 'AttributeError: type object Net has no attribute load_from_checkpoint' 错误。正确做法是先实例化模型结构，然后使用 load_state_dict 加载 .ckpt 中的 state_dict，再通过 torch.jit.script 或 torch.jit.trace 导出为 .pt 文件。示例步骤：\n1. model = Net() # 定义相同结构的模型\n2. checkpoint = torch.load('model.ckpt', map_location='cpu')\n3. model.load_state_dict(checkpoint['state_dict'])\n4. scripted_model = torch.jit.script(model)\n5. scripted_model.save('model.pt')","https:\u002F\u002Fgithub.com\u002Ffacebookresearch\u002Fpytorchvideo\u002Fissues\u002F25",[152,157],{"id":153,"version":154,"summary_zh":155,"released_at":156},127122,"0.1.3","本次发布包含多项重要新功能、错误修复以及教程。新增内容如下：\n\n## 模型\n- [多尺度视觉Transformer（MViT）](https:\u002F\u002Farxiv.org\u002Fabs\u002F2104.11227)，及其[模型构建器](https:\u002F\u002Fgithub.com\u002Ffacebookresearch\u002Fpytorchvideo\u002Fblob\u002Fmaster\u002Fpytorchvideo\u002Fmodels\u002Fvision_transformers.py#L97)和模型库中的相关[预训练模型](https:\u002F\u002Fgithub.com\u002Ffacebookresearch\u002Fpytorchvideo\u002Fblob\u002Fmaster\u002Fpytorchvideo\u002Fmodels\u002Fhub\u002Fvision_transformers.py)。  \n  MViT是一种新的最先进视觉Transformer模型，在超越现有基准的同时，所需的计算资源更少。\n- [视听SlowFast模型](https:\u002F\u002Fgithub.com\u002Ffacebookresearch\u002Fpytorchvideo\u002Fblob\u002Fmaster\u002Fpytorchvideo\u002Fmodels\u002Faudio_visual_slowfast.py)——该模型使您能够同时处理音频和视频两种模态。\n- [视频动作检测ResNet模型](https:\u002F\u002Fgithub.com\u002Ffacebookresearch\u002Fpytorchvideo\u002Fblob\u002Fmaster\u002Fpytorchvideo\u002Fmodels\u002Fresnet.py#L831)及其模型库中的相关[预训练模型](https:\u002F\u002Fgithub.com\u002Ffacebookresearch\u002Fpytorchvideo\u002Fblob\u002Fmaster\u002Fpytorchvideo\u002Fmodels\u002Fhub\u002Fresnet.py#L73)。\n\n## 转换\n- [AugMix](https:\u002F\u002Fgithub.com\u002Ffacebookresearch\u002Fpytorchvideo\u002Fblob\u002Fmaster\u002Fpytorchvideo\u002Ftransforms\u002Faugmix.py)\n- [MixUp和CutMix](https:\u002F\u002Fgithub.com\u002Ffacebookresearch\u002Fpytorchvideo\u002Fblob\u002Fmaster\u002Fpytorchvideo\u002Ftransforms\u002Fmix.py)\n- [以及其他更多](https:\u002F\u002Fgithub.com\u002Ffacebookresearch\u002Fpytorchvideo\u002Fblob\u002Fmaster\u002Fpytorchvideo\u002Ftransforms\u002Ftransforms.py)\n\n简单来说，在现有的训练流程中加入AugMix和MixUp转换，应该能够提升模型的基线准确率。\n\n## 数据集\n- [Ava数据集](https:\u002F\u002Fgithub.com\u002Ffacebookresearch\u002Fpytorchvideo\u002Fblob\u002Fmaster\u002Fpytorchvideo\u002Fdata\u002Fava.py)，及其相关的[基准测试](https:\u002F\u002Fgithub.com\u002Ffacebookresearch\u002Fpytorchvideo\u002Fblob\u002Fmaster\u002Fdocs\u002Fsource\u002Fmodel_zoo.md)和[教程](https:\u002F\u002Fpytorchvideo.org\u002Fdocs\u002Ftutorial_torchhub_detection_inference)。","2021-09-10T17:02:20",{"id":158,"version":159,"summary_zh":160,"released_at":161},127123,"0.1.0","https:\u002F\u002Fai.facebook.com\u002Fblog\u002Fpytorchvideo-用于视频理解的深度学习库\u002F","2021-04-13T18:06:25"]