[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-fundamentalvision--BEVFormer":3,"tool-fundamentalvision--BEVFormer":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",145895,2,"2026-04-08T11:32:59",[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。",108111,"2026-04-08T11:23:26",[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":72,"owner_avatar_url":73,"owner_bio":74,"owner_company":74,"owner_location":74,"owner_email":74,"owner_twitter":74,"owner_website":74,"owner_url":75,"languages":76,"stars":85,"forks":86,"last_commit_at":87,"license":88,"difficulty_score":89,"env_os":90,"env_gpu":91,"env_ram":90,"env_deps":92,"category_tags":99,"github_topics":100,"view_count":32,"oss_zip_url":74,"oss_zip_packed_at":74,"status":17,"created_at":105,"updated_at":106,"faqs":107,"releases":143},5651,"fundamentalvision\u002FBEVFormer","BEVFormer","[ECCV 2022] This is the official implementation of BEVFormer, a camera-only framework for autonomous driving perception, e.g., 3D object detection and semantic map segmentation.","BEVFormer 是一款专为自动驾驶感知任务设计的开源算法框架，仅需车载摄像头即可实现高精度的 3D 物体检测与语义地图分割。它主要解决了传统视觉方案难以在复杂动态环境中构建统一、稳定鸟瞰图（BEV）表示的难题，其性能甚至可媲美依赖昂贵激光雷达的方案。\n\n该工具特别适合自动驾驶领域的研究人员与算法开发者使用，尤其是那些希望探索纯视觉感知路径或优化多摄像头数据融合的团队。BEVFormer 的核心技术亮点在于引入了时空 Transformer 架构：通过“空间交叉注意力”机制，它能从多个相机视角中提取关键区域特征；同时利用“时间自注意力”机制，循环融合历史帧信息，从而有效处理车辆运动与场景变化。凭借这一创新设计，BEVFormer 在权威的 nuScenes 数据集上曾创下仅靠摄像头即达到 56.9% NDS 的优异成绩，为行业提供了一个极具参考价值的先进基线模型。","\u003Cdiv align=\"center\">   \n  \n# BEVFormer: a Cutting-edge Baseline for Camera-based Detection\n\u003C\u002Fdiv>\n\n\nhttps:\u002F\u002Fuser-images.githubusercontent.com\u002F27915819\u002F161392594-fc0082f7-5c37-4919-830a-2dd423c1d025.mp4\n\n> **BEVFormer: Learning Bird's-Eye-View Representation from Multi-Camera Images via Spatiotemporal Transformers**, ECCV 2022\n> - [Paper in arXiv](http:\u002F\u002Farxiv.org\u002Fabs\u002F2203.17270) | [Paper in Chinese](https:\u002F\u002Fdrive.google.com\u002Ffile\u002Fd\u002F1dKnD6gUHhBXZ8gT733cIU_A7dHEEzNTP\u002Fview?usp=sharing) |  [OpenDriveLab](https:\u002F\u002Fopendrivelab.com\u002F)\n> - [Slides in English](https:\u002F\u002Fdocs.google.com\u002Fpresentation\u002Fd\u002F1fTjuSKpj_-KRjUACr8o5TbKetAXlWrmpaorVvfCTZUA\u002Fedit?usp=sharing) | [Occupancy and BEV Perception Talk Slides](https:\u002F\u002Fdocs.google.com\u002Fpresentation\u002Fd\u002F1U7wVi2_zJxM-EMqLVqC4zJ12ItUgS7ZcsXp7zQ1fkvc\u002Fedit?usp=sharing)\n> -  [Blog in Chinese](https:\u002F\u002Fwww.zhihu.com\u002Fquestion\u002F521842610\u002Fanswer\u002F2431585901) | [Video Talk](https:\u002F\u002Fwww.bilibili.com\u002Fvideo\u002FBV12t4y1t7Lq?share_source=copy_web) and [Slides](https:\u002F\u002Fdocs.google.com\u002Fpresentation\u002Fd\u002F1NNeikhDPkgT14G1D_Ih7K3wbSN0DkvhO9wlAMx3CIcM\u002Fedit?usp=sharing) (in Chinese) \n> - [BEV Perception Survey](https:\u002F\u002Farxiv.org\u002Fabs\u002F2209.05324) (Accepted by PAMI) | [Github repo](https:\u002F\u002Fgithub.com\u002FOpenDriveLab\u002FBEVPerception-Survey-Recipe)\n\n\n\n# News\n- [2022\u002F6\u002F16]: We added two BEVformer configurations, which require less GPU memory than the base version. Please pull this repo to obtain the latest codes.\n- [2022\u002F6\u002F13]: We release an initial version of BEVFormer. It achieves a baseline result of **51.7%** NDS on nuScenes.\n- [2022\u002F5\u002F23]: 🚀🚀Built on top of BEVFormer, **BEVFormer++**, gathering up all best practices in recent SOTAs and our unique modification,  ranks **1st** on [Waymo Open Datast 3D Camera-Only Detection Challenge](https:\u002F\u002Fwaymo.com\u002Fopen\u002Fchallenges\u002F2022\u002F3d-camera-only-detection\u002F). We will present BEVFormer++ on CVPR 2022 Autonomous Driving [Workshop](https:\u002F\u002Fcvpr2022.wad.vision\u002F).\n- [2022\u002F3\u002F10]: 🚀BEVFormer achieve the SOTA on [nuScenes Detection Task](https:\u002F\u002Fnuscenes.org\u002Fobject-detection?externalData=all&mapData=all&modalities=Camera) with **56.9% NDS** (camera-only)!\n\u003C\u002Fbr>\n\n\n# Abstract\nIn this work, the authors present a new framework termed BEVFormer, which learns unified BEV representations with spatiotemporal transformers to support multiple autonomous driving perception tasks. In a nutshell, BEVFormer exploits both spatial and temporal information by interacting with spatial and temporal space through predefined grid-shaped BEV queries. To aggregate spatial information, the authors design a spatial cross-attention that each BEV query extracts the spatial features from the regions of interest across camera views. For temporal information, the authors propose a temporal self-attention to recurrently fuse the history BEV information.\nThe proposed approach achieves the new state-of-the-art **56.9\\%** in terms of NDS metric on the nuScenes test set, which is **9.0** points higher than previous best arts and on par with the performance of LiDAR-based baselines.\n\n\n# Methods\n![method](figs\u002Farch.png \"model arch\")\n\n\n# Getting Started\n- [Installation](docs\u002Finstall.md) \n- [Prepare Dataset](docs\u002Fprepare_dataset.md)\n- [Run and Eval](docs\u002Fgetting_started.md)\n\n# Model Zoo\n\n| Backbone | Method | Lr Schd | NDS| mAP|memroy | Config | Download |\n| :---: | :---: | :---: | :---: | :---:|:---:| :---: | :---: |\n| R50 | BEVFormer-tiny_fp16 | 24ep | 35.9|25.7 | - |[config](projects\u002Fconfigs\u002Fbevformer_fp16\u002Fbevformer_tiny_fp16.py) |[model](https:\u002F\u002Fgithub.com\u002Fzhiqi-li\u002Fstorage\u002Freleases\u002Fdownload\u002Fv1.0\u002Fbevformer_tiny_fp16_epoch_24.pth)\u002F[log](https:\u002F\u002Fgithub.com\u002Fzhiqi-li\u002Fstorage\u002Freleases\u002Fdownload\u002Fv1.0\u002Fbevformer_tiny_fp16_epoch_24.log) |\n| R50 | BEVFormer-tiny | 24ep | 35.4|25.2 | 6500M |[config](projects\u002Fconfigs\u002Fbevformer\u002Fbevformer_tiny.py) |[model](https:\u002F\u002Fgithub.com\u002Fzhiqi-li\u002Fstorage\u002Freleases\u002Fdownload\u002Fv1.0\u002Fbevformer_tiny_epoch_24.pth)\u002F[log](https:\u002F\u002Fgithub.com\u002Fzhiqi-li\u002Fstorage\u002Freleases\u002Fdownload\u002Fv1.0\u002Fbevformer_tiny_epoch_24.log) |\n| [R101-DCN](https:\u002F\u002Fgithub.com\u002Fzhiqi-li\u002Fstorage\u002Freleases\u002Fdownload\u002Fv1.0\u002Fr101_dcn_fcos3d_pretrain.pth)  | BEVFormer-small | 24ep | 47.9|37.0 | 10500M |[config](projects\u002Fconfigs\u002Fbevformer\u002Fbevformer_small.py) |[model](https:\u002F\u002Fgithub.com\u002Fzhiqi-li\u002Fstorage\u002Freleases\u002Fdownload\u002Fv1.0\u002Fbevformer_small_epoch_24.pth)\u002F[log](https:\u002F\u002Fgithub.com\u002Fzhiqi-li\u002Fstorage\u002Freleases\u002Fdownload\u002Fv1.0\u002Fbevformer_small_epoch_24.log) |\n| [R101-DCN](https:\u002F\u002Fgithub.com\u002Fzhiqi-li\u002Fstorage\u002Freleases\u002Fdownload\u002Fv1.0\u002Fr101_dcn_fcos3d_pretrain.pth)  | BEVFormer-base | 24ep | 51.7|41.6 |28500M |[config](projects\u002Fconfigs\u002Fbevformer\u002Fbevformer_base.py) | [model](https:\u002F\u002Fgithub.com\u002Fzhiqi-li\u002Fstorage\u002Freleases\u002Fdownload\u002Fv1.0\u002Fbevformer_r101_dcn_24ep.pth)\u002F[log](https:\u002F\u002Fgithub.com\u002Fzhiqi-li\u002Fstorage\u002Freleases\u002Fdownload\u002Fv1.0\u002Fbevformer_r101_dcn_24ep.log) |\n| [R50](https:\u002F\u002Fdrive.google.com\u002Ffile\u002Fd\u002F1JTVcrFcOFdPp7rtZ6K__SfF0Np15vXL7\u002Fview?usp=sharing)  | BEVformerV2-t1-base | 24ep | 42.6 | 35.1 | 23952M |[config](projects\u002Fconfigs\u002Fbevformerv2\u002Fbevformerv2-r50-t1-base-24ep.py) | [model\u002Flog](https:\u002F\u002Fdrive.google.com\u002Fdrive\u002Ffolders\u002F1nts_1XxAagCEN_Ub7W2f-507SiDdVS_u?usp=sharing) |\n| [R50](https:\u002F\u002Fdrive.google.com\u002Ffile\u002Fd\u002F1JTVcrFcOFdPp7rtZ6K__SfF0Np15vXL7\u002Fview?usp=sharing)  | BEVformerV2-t1-base | 48ep | 43.9 | 35.9 | 23952M |[config](projects\u002Fconfigs\u002Fbevformerv2\u002Fbevformerv2-r50-t1-base-48ep.py) | [model\u002Flog](https:\u002F\u002Fdrive.google.com\u002Fdrive\u002Ffolders\u002F1nts_1XxAagCEN_Ub7W2f-507SiDdVS_u?usp=sharing) |\n| [R50](https:\u002F\u002Fdrive.google.com\u002Ffile\u002Fd\u002F1JTVcrFcOFdPp7rtZ6K__SfF0Np15vXL7\u002Fview?usp=sharing)  | BEVformerV2-t1 | 24ep | 45.3 | 38.1 | 37579M |[config](projects\u002Fconfigs\u002Fbevformerv2\u002Fbevformerv2-r50-t1-24ep.py) | [model\u002Flog](https:\u002F\u002Fdrive.google.com\u002Fdrive\u002Ffolders\u002F1uVzQCJq6gYbRLhBde09yzEBeU5l1hAxk?usp=sharing) |\n| [R50](https:\u002F\u002Fdrive.google.com\u002Ffile\u002Fd\u002F1JTVcrFcOFdPp7rtZ6K__SfF0Np15vXL7\u002Fview?usp=sharing)  | BEVformerV2-t1 | 48ep | 46.5 | 39.5 | 37579M |[config](projects\u002Fconfigs\u002Fbevformerv2\u002Fbevformerv2-r50-t1-48ep.py) | [model\u002Flog](https:\u002F\u002Fdrive.google.com\u002Fdrive\u002Ffolders\u002F1uVzQCJq6gYbRLhBde09yzEBeU5l1hAxk?usp=sharing) |\n| [R50](https:\u002F\u002Fdrive.google.com\u002Ffile\u002Fd\u002F1JTVcrFcOFdPp7rtZ6K__SfF0Np15vXL7\u002Fview?usp=sharing)  | BEVformerV2-t2 | 24ep | 51.8 | 42.0 | 38954M |[config](projects\u002Fconfigs\u002Fbevformerv2\u002Fbevformerv2-r50-t2-24ep.py) | [model\u002Flog](https:\u002F\u002Fdrive.google.com\u002Fdrive\u002Ffolders\u002F1bSyuFWxfJSIidGV7bC8jx2NR7idRN9-s?usp=sharing) |\n| [R50](https:\u002F\u002Fdrive.google.com\u002Ffile\u002Fd\u002F1JTVcrFcOFdPp7rtZ6K__SfF0Np15vXL7\u002Fview?usp=sharing)  | BEVformerV2-t2 | 48ep | 52.6 | 43.1 | 38954M |[config](projects\u002Fconfigs\u002Fbevformerv2\u002Fbevformerv2-r50-t2-48ep.py) | [model\u002Flog](https:\u002F\u002Fdrive.google.com\u002Fdrive\u002Ffolders\u002F1bSyuFWxfJSIidGV7bC8jx2NR7idRN9-s?usp=sharing) |\n| [R50](https:\u002F\u002Fdrive.google.com\u002Ffile\u002Fd\u002F1JTVcrFcOFdPp7rtZ6K__SfF0Np15vXL7\u002Fview?usp=sharing)  | BEVformerV2-t8 | 24ep | 55.3 | 46.0 | 40392M |[config](projects\u002Fconfigs\u002Fbevformerv2\u002Fbevformerv2-r50-t8-24ep.py) | [model\u002Flog](https:\u002F\u002Fdrive.google.com\u002Fdrive\u002Ffolders\u002F1Ml_usx5BNx43CFH1Di2OTazuzSyAlBto?usp=sharing) |\n\nThe Baidu Driver Link for (BEVFormerV2 model and log)[https:\u002F\u002Fpan.baidu.com\u002Fs\u002F1ynzlAt1DQbH8NkqmisatTw?pwd=fdcv] is here.\n\n# Catalog\n- [ ] BEVFormerV2 HyperQuery\n- [ ] BEVFormerV2 Optimization, including memory, speed, inference.\n- [x] BEVFormerV2 Release\n- [ ] BEV Segmentation checkpoints\n- [ ] BEV Segmentation code\n- [x] 3D Detection checkpoints\n- [x] 3D Detection code\n- [x] Initialization\n\n\n# Bibtex\nIf this work is helpful for your research, please consider citing the following BibTeX entry.\n\n```\n@article{li2022bevformer,\n  title={BEVFormer: Learning Bird’s-Eye-View Representation from Multi-Camera Images via Spatiotemporal Transformers},\n  author={Li, Zhiqi and Wang, Wenhai and Li, Hongyang and Xie, Enze and Sima, Chonghao and Lu, Tong and Qiao, Yu and Dai, Jifeng}\n  journal={arXiv preprint arXiv:2203.17270},\n  year={2022}\n}\n@article{Yang2022BEVFormerVA,\n  title={BEVFormer v2: Adapting Modern Image Backbones to Bird's-Eye-View Recognition via Perspective Supervision},\n  author={Chenyu Yang and Yuntao Chen and Haofei Tian and Chenxin Tao and Xizhou Zhu and Zhaoxiang Zhang and Gao Huang and Hongyang Li and Y. Qiao and Lewei Lu and Jie Zhou and Jifeng Dai},\n  journal={ArXiv},\n  year={2022},\n}\n```\n\n# Acknowledgement\n\nMany thanks to these excellent open source projects:\n- [dd3d](https:\u002F\u002Fgithub.com\u002FTRI-ML\u002Fdd3d) \n- [detr3d](https:\u002F\u002Fgithub.com\u002FWangYueFt\u002Fdetr3d) \n- [mmdet3d](https:\u002F\u002Fgithub.com\u002Fopen-mmlab\u002Fmmdetection3d)\n\n\n### ↳ Stargazers\n[![Stargazers repo roster for @nastyox\u002FRepo-Roster](https:\u002F\u002Freporoster.com\u002Fstars\u002Ffundamentalvision\u002FBEVFormer)](https:\u002F\u002Fgithub.com\u002Ffundamentalvision\u002FBEVFormer\u002Fstargazers)\n\n### ↳ Forkers\n[![Forkers repo roster for @nastyox\u002FRepo-Roster](https:\u002F\u002Freporoster.com\u002Fforks\u002Ffundamentalvision\u002FBEVFormer)](https:\u002F\u002Fgithub.com\u002Ffundamentalvision\u002FBEVFormer\u002Fnetwork\u002Fmembers)\n\n","\u003Cdiv align=\"center\">   \n  \n# BEVFormer：基于摄像头检测的前沿基准模型\n\u003C\u002Fdiv>\n\n\nhttps:\u002F\u002Fuser-images.githubusercontent.com\u002F27915819\u002F161392594-fc0082f7-5c37-4919-830a-2dd423c1d025.mp4\n\n> **BEVFormer：通过时空Transformer从多摄像头图像中学习鸟瞰图表示**，ECCV 2022\n> - [arXiv论文](http:\u002F\u002Farxiv.org\u002Fabs\u002F2203.17270) | [中文版论文](https:\u002F\u002Fdrive.google.com\u002Ffile\u002Fd\u002F1dKnD6gUHhBXZ8gT733cIU_A7dHEEzNTP\u002Fview?usp=sharing) |  [OpenDriveLab](https:\u002F\u002Fopendrivelab.com\u002F)\n> - [英文演示文稿](https:\u002F\u002Fdocs.google.com\u002Fpresentation\u002Fd\u002F1fTjuSKpj_-KRjUACr8o5TbKetAXlWrmpaorVvfCTZUA\u002Fedit?usp=sharing) | [占用与BEV感知主题演讲幻灯片](https:\u002F\u002Fdocs.google.com\u002Fpresentation\u002Fd\u002F1U7wVi2_zJxM-EMqLVqC4zJ12ItUgS7ZcsXp7zQ1fkvc\u002Fedit?usp=sharing)\n> -  [中文博客](https:\u002F\u002Fwww.zhihu.com\u002Fquestion\u002F521842610\u002Fanswer\u002F2431585901) | [视频演讲](https:\u002F\u002Fwww.bilibili.com\u002Fvideo\u002FBV12t4y1t7Lq?share_source=copy_web) 和 [幻灯片](https:\u002F\u002Fdocs.google.com\u002Fpresentation\u002Fd\u002F1NNeikhDPkgT14G1D_Ih7K3wbSN0DkvhO9wlAMx3CIcM\u002Fedit?usp=sharing)（中文） \n> - [BEV感知综述](https:\u002F\u002Farxiv.org\u002Fabs\u002F2209.05324)（已被PAMI接收） | [GitHub仓库](https:\u002F\u002Fgithub.com\u002FOpenDriveLab\u002FBEVPerception-Survey-Recipe)\n\n\n\n# 新闻\n- [2022年6月16日]：我们新增了两种BEVFormer配置，它们比基础版本所需的显存更少。请拉取本仓库以获取最新代码。\n- [2022年6月13日]：我们发布了BEVFormer的初始版本。该版本在nuScenes数据集上取得了**51.7%** NDS的基准结果。\n- [2022年5月23日]：🚀🚀基于BEVFormer构建的**BEVFormer++**，汇集了近期最先进方法中的最佳实践及我们的独特改进，在[Waymo Open Dataset 3D摄像头单模态检测挑战赛](https:\u002F\u002Fwaymo.com\u002Fopen\u002Fchallenges\u002F2022\u002F3d-camera-only-detection\u002F)中位列**第1名**。我们将在CVPR 2022自动驾驶研讨会上展示BEVFormer++。\n- [2022年3月10日]：🚀BEVFormer在[nuScenes目标检测任务](https:\u002F\u002Fnuscenes.org\u002Fobject-detection?externalData=all&mapData=all&modalities=Camera)中以**56.9% NDS**的成绩达到SOTA（仅使用摄像头）！\n\n\n\u003C\u002Fbr>\n\n# 摘要\n在本工作中，作者提出了一种名为BEVFormer的新框架，该框架利用时空Transformer学习统一的鸟瞰图（BEV）表示，以支持多种自动驾驶感知任务。简而言之，BEVFormer通过预定义的网格状BEV查询，在空间和时间两个维度上进行交互，从而充分利用空间和时间信息。为了聚合空间信息，作者设计了一种空间交叉注意力机制，使每个BEV查询能够从各摄像头视图中的感兴趣区域提取空间特征。对于时间信息，则提出了时间自注意力机制，用于递归地融合历史BEV信息。\n所提出的方案在nuScenes测试集上以NDS指标达到了新的最先进水平**56.9%**，较此前的最佳结果高出**9.0个百分点**，并与基于激光雷达的基准模型性能相当。\n\n\n# 方法\n![method](figs\u002Farch.png \"模型架构\")\n\n\n# 快速入门\n- [安装指南](docs\u002Finstall.md) \n- [准备数据集](docs\u002Fprepare_dataset.md)\n- [运行与评估](docs\u002Fgetting_started.md)\n\n# 模型动物园\n\n| 主干网络 | 方法 | 学习率调度 | NDS| mAP|内存 | 配置 | 下载 |\n| :---: | :---: | :---: | :---: | :---:|:---:| :---: | :---: |\n| R50 | BEVFormer-tiny_fp16 | 24epoch | 35.9|25.7 | - |[配置](projects\u002Fconfigs\u002Fbevformer_fp16\u002Fbevformer_tiny_fp16.py) |[模型](https:\u002F\u002Fgithub.com\u002Fzhiqi-li\u002Fstorage\u002Freleases\u002Fdownload\u002Fv1.0\u002Fbevformer_tiny_fp16_epoch_24.pth)\u002F[日志](https:\u002F\u002Fgithub.com\u002Fzhiqi-li\u002Fstorage\u002Freleases\u002Fdownload\u002Fv1.0\u002Fbevformer_tiny_fp16_epoch_24.log) |\n| R50 | BEVFormer-tiny | 24epoch | 35.4|25.2 | 6500M |[配置](projects\u002Fconfigs\u002Fbevformer\u002Fbevformer_tiny.py) |[模型](https:\u002F\u002Fgithub.com\u002Fzhiqi-li\u002Fstorage\u002Freleases\u002Fdownload\u002Fv1.0\u002Fbevformer_tiny_epoch_24.pth)\u002F[日志](https:\u002F\u002Fgithub.com\u002Fzhiqi-li\u002Fstorage\u002Freleases\u002Fdownload\u002Fv1.0\u002Fbevformer_tiny_epoch_24.log) |\n| [R101-DCN](https:\u002F\u002Fgithub.com\u002Fzhiqi-li\u002Fstorage\u002Freleases\u002Fdownload\u002Fv1.0\u002Fr101_dcn_fcos3d_pretrain.pth)  | BEVFormer-small | 24epoch | 47.9|37.0 | 10500M |[配置](projects\u002Fconfigs\u002Fbevformer\u002Fbevformer_small.py) |[模型](https:\u002F\u002Fgithub.com\u002Fzhiqi-li\u002Fstorage\u002Freleases\u002Fdownload\u002Fv1.0\u002Fbevformer_small_epoch_24.pth)\u002F[日志](https:\u002F\u002Fgithub.com\u002Fzhiqi-li\u002Fstorage\u002Freleases\u002Fdownload\u002Fv1.0\u002Fbevformer_small_epoch_24.log) |\n| [R101-DCN](https:\u002F\u002Fgithub.com\u002Fzhiqi-li\u002Fstorage\u002Freleases\u002Fdownload\u002Fv1.0\u002Fr101_dcn_fcos3d_pretrain.pth)  | BEVFormer-base | 24epoch | 51.7|41.6 |28500M |[配置](projects\u002Fconfigs\u002Fbevformer\u002Fbevformer_base.py) | [模型](https:\u002F\u002Fgithub.com\u002Fzhiqi-li\u002Fstorage\u002Freleases\u002Fdownload\u002Fv1.0\u002Fbevformer_r101_dcn_24ep.pth)\u002F[日志](https:\u002F\u002Fgithub.com\u002Fzhiqi-li\u002Fstorage\u002Freleases\u002Fdownload\u002Fv1.0\u002Fbevformer_r101_dcn_24ep.log) |\n| [R50](https:\u002F\u002Fdrive.google.com\u002Ffile\u002Fd\u002F1JTVcrFcOFdPp7rtZ6K__SfF0Np15vXL7\u002Fview?usp=sharing)  | BEVformerV2-t1-base | 24epoch | 42.6 | 35.1 | 23952M |[配置](projects\u002Fconfigs\u002Fbevformerv2\u002Fbevformerv2-r50-t1-base-24ep.py) | [模型\u002F日志](https:\u002F\u002Fdrive.google.com\u002Fdrive\u002Ffolders\u002F1nts_1XxAagCEN_Ub7W2f-507SiDdVS_u?usp=sharing) |\n| [R50](https:\u002F\u002Fdrive.google.com\u002Ffile\u002Fd\u002F1JTVcrFcOFdPp7rtZ6K__SfF0Np15vXL7\u002Fview?usp=sharing)  | BEVformerV2-t1-base | 48epoch | 43.9 | 35.9 | 23952M |[配置](projects\u002Fconfigs\u002Fbevformerv2\u002Fbevformerv2-r50-t1-base-48ep.py) | [模型\u002F日志](https:\u002F\u002Fdrive.google.com\u002Fdrive\u002Ffolders\u002F1nts_1XxAagCEN_Ub7W2f-507SiDdVS_u?usp=sharing) |\n| [R50](https:\u002F\u002Fdrive.google.com\u002Ffile\u002Fd\u002F1JTVcrFcOFdPp7rtZ6K__SfF0Np15vXL7\u002Fview?usp=sharing)  | BEVformerV2-t1 | 24epoch | 45.3 | 38.1 | 37579M |[配置](projects\u002Fconfigs\u002Fbevformerv2\u002Fbevformerv2-r50-t1-24ep.py) | [模型\u002F日志](https:\u002F\u002Fdrive.google.com\u002Fdrive\u002Ffolders\u002F1uVzQCJq6gYbRLhBde09yzEBeU5l1hAxk?usp=sharing) |\n| [R50](https:\u002F\u002Fdrive.google.com\u002Ffile\u002Fd\u002F1JTVcrFcOFdPp7rtZ6K__SfF0Np15vXL7\u002Fview?usp=sharing)  | BEVformerV2-t1 | 48epoch | 46.5 | 39.5 | 37579M |[配置](projects\u002Fconfigs\u002Fbevformerv2\u002Fbevformerv2-r50-t1-48ep.py) | [模型\u002F日志](https:\u002F\u002Fdrive.google.com\u002Fdrive\u002Ffolders\u002F1uVzQCJq6gYbRLhBde09yzEBeU5l1hAxk?usp=sharing) |\n| [R50](https:\u002F\u002Fdrive.google.com\u002Ffile\u002Fd\u002F1JTVcrFcOFdPp7rtZ6K__SfF0Np15vXL7\u002Fview?usp=sharing)  | BEVformerV2-t2 | 24epoch | 51.8 | 42.0 | 38954M |[配置](projects\u002Fconfigs\u002Fbevformerv2\u002Fbevformerv2-r50-t2-24ep.py) | [模型\u002F日志](https:\u002F\u002Fdrive.google.com\u002Fdrive\u002Ffolders\u002F1bSyuFWxfJSIidGV7bC8jx2NR7idRN9-s?usp=sharing) |\n| [R50](https:\u002F\u002Fdrive.google.com\u002Ffile\u002Fd\u002F1JTVcrFcOFdPp7rtZ6K__SfF0Np15vXL7\u002Fview?usp=sharing)  | BEVformerV2-t2 | 48epoch | 52.6 | 43.1 | 38954M |[配置](projects\u002Fconfigs\u002Fbevformerv2\u002Fbevformerv2-r50-t2-48ep.py) | [模型\u002F日志](https:\u002F\u002Fdrive.google.com\u002Fdrive\u002Ffolders\u002F1bSyuFWxfJSIidGV7bC8jx2NR7idRN9-s?usp=sharing) |\n| [R50](https:\u002F\u002Fdrive.google.com\u002Ffile\u002Fd\u002F1JTVcrFcOFdPp7rtZ6K__SfF0Np15vXL7\u002Fview?usp=sharing)  | BEVformerV2-t8 | 24epoch | 55.3 | 46.0 | 40392M |[配置](projects\u002Fconfigs\u002Fbevformerv2\u002Fbevformerv2-r50-t8-24ep.py) | [模型\u002F日志](https:\u002F\u002Fdrive.google.com\u002Fdrive\u002Ffolders\u002F1Ml_usx5BNx43CFH1Di2OTazuzSyAlBto?usp=sharing) |\n\n百度网盘链接（BEVFormerV2模型及日志）在此：[https:\u002F\u002Fpan.baidu.com\u002Fs\u002F1ynzlAt1DQbH8NkqmisatTw?pwd=fdcv]。\n\n# 目录\n- [ ] BEVFormerV2 HyperQuery\n- [ ] BEVFormerV2优化，包括内存、速度、推理等方面。\n- [x] BEVFormerV2发布\n- [ ] BEV分割检查点\n- [ ] BEV分割代码\n- [x] 3D检测检查点\n- [x] 3D检测代码\n- [x] 初始化\n\n\n# BibTeX\n如果本工作对您的研究有所帮助，请考虑引用以下BibTeX条目。\n\n```\n@article{li2022bevformer,\n  title={BEVFormer: 通过时空Transformer从多摄像头图像中学习鸟瞰图表示},\n  author={Li, Zhiqi and Wang, Wenhai and Li, Hongyang and Xie, Enze and Sima, Chonghao and Lu, Tong and Qiao, Yu and Dai, Jifeng}\n  journal={arXiv预印本 arXiv:2203.17270},\n  year={2022}\n}\n@article{Yang2022BEVFormerVA,\n  title={BEVFormer v2: 通过透视监督将现代图像主干网络适配到鸟瞰图识别},\n  author={Chenyu Yang and Yuntao Chen and Haofei Tian and Chenxin Tao and Xizhou Zhu and Zhaoxiang Zhang and Gao Huang and Hongyang Li and Y. Qiao and Lewei Lu and Jie Zhou and Jifeng Dai},\n  journal={ArXiv},\n  year={2022},\n}\n```\n\n# 致谢\n\n非常感谢以下优秀的开源项目：\n- [dd3d](https:\u002F\u002Fgithub.com\u002FTRI-ML\u002Fdd3d) \n- [detr3d](https:\u002F\u002Fgithub.com\u002FWangYueFt\u002Fdetr3d) \n- [mmdet3d](https:\u002F\u002Fgithub.com\u002Fopen-mmlab\u002Fmmdetection3d)\n\n\n### ↳ 点赞者\n[![@nastyox\u002FRepo-Roster 的点赞者名单](https:\u002F\u002Freporoster.com\u002Fstars\u002Ffundamentalvision\u002FBEVFormer)](https:\u002F\u002Fgithub.com\u002Ffundamentalvision\u002FBEVFormer\u002Fstargazers)\n\n### ↳ 分支者\n[![@nastyox\u002FRepo-Roster 的分支者名单](https:\u002F\u002Freporoster.com\u002Fforks\u002Ffundamentalvision\u002FBEVFormer)](https:\u002F\u002Fgithub.com\u002Ffundamentalvision\u002FBEVFormer\u002Fnetwork\u002Fmembers)","# BEVFormer 快速上手指南\n\nBEVFormer 是一个基于摄像头的自动驾驶感知基线模型，通过时空 Transformer 学习鸟瞰图（BEV）表示。本指南将帮助你快速搭建环境并运行模型。\n\n## 1. 环境准备\n\n在开始之前，请确保你的系统满足以下要求：\n\n*   **操作系统**: Linux (推荐 Ubuntu 18.04\u002F20.04)\n*   **GPU**: NVIDIA GPU (显存建议 16GB 以上，运行 Base 版本建议 24GB+)\n*   **CUDA**: 11.0 或更高版本\n*   **Python**: 3.7 - 3.9\n*   **PyTorch**: 1.8.0 或更高版本\n*   **MMCV**: 需与 PyTorch 版本匹配\n\n**前置依赖安装建议：**\n推荐使用 Conda 创建独立环境。国内用户可使用清华源加速包下载。\n\n```bash\n# 创建虚拟环境\nconda create -n bevformer python=3.8 -y\nconda activate bevformer\n\n# 安装 PyTorch (根据实际 CUDA 版本调整，此处以 11.3 为例，使用清华源)\npip install torch==1.9.0+cu111 torchvision==0.10.0+cu111 torchaudio==0.9.0 -f https:\u002F\u002Fdownload.pytorch.org\u002Fwhl\u002Ftorch_stable.html\n\n# 安装 MMCV (需指定 torch 和 cuda 版本，使用 openmmlab 源)\npip install mmcv-full==1.4.0 -f https:\u002F\u002Fdownload.openmmlab.com\u002Fmmcv\u002Fdist\u002Fcu111\u002Ftorch1.9.0\u002Findex.html\n```\n\n## 2. 安装步骤\n\n克隆仓库并安装 BEVFormer 及其依赖项。\n\n```bash\n# 克隆代码库\ngit clone https:\u002F\u002Fgithub.com\u002Ffundamentalvision\u002FBEVFormer.git\ncd BEVFormer\n\n# 安装 mmdetection3d (BEVFormer 基于此框架)\n# 建议使用国内镜像加速\npip install -r requirements.txt -i https:\u002F\u002Fpypi.tuna.tsinghua.edu.cn\u002Fsimple\n\n# 编译安装项目本身\npip install -e .\n```\n\n> **注意**：如果在编译过程中遇到算子编译错误，请确保已正确安装 `cuda-toolkit` 且 `nvcc` 在环境变量中。\n\n## 3. 数据准备\n\nBEVFormer 主要在 **nuScenes** 数据集上进行训练和评估。\n\n1.  下载 nuScenes 数据集。\n2.  按照目录结构组织数据：\n    ```text\n    data\u002F\n    ├── nuscenes\u002F\n    │   ├── maps\u002F\n    │   ├── samples\u002F\n    │   ├── sweeps\u002F\n    │   ├── v1.0-trainval\u002F\n    ```\n3.  生成信息文件（info files）：\n    ```bash\n    python tools\u002Fcreate_data.py nuscenes --root-path .\u002Fdata\u002Fnuscenes --out-dir .\u002Fdata\u002Fnuscenes --extra-tag nuscenes\n    ```\n    *详细数据准备步骤可参考官方文档 `docs\u002Fprepare_dataset.md`。*\n\n## 4. 基本使用\n\n### 推理与评估 (Evaluation)\n\n下载预训练模型后（例如 `bevformer_tiny_epoch_24.pth`），使用以下命令在 nuScenes 验证集上进行评估。\n\n**示例：评估 BEVFormer-Tiny 模型**\n\n```bash\n.\u002Ftools\u002Fdist_test.sh \\\n  projects\u002Fconfigs\u002Fbevformer\u002Fbevformer_tiny.py \\\n  checkpoints\u002Fbevformer_tiny_epoch_24.pth \\\n  8 \\\n  --eval bbox\n```\n\n*   `projects\u002Fconfigs\u002Fbevformer\u002Fbevformer_tiny.py`: 配置文件路径。\n*   `checkpoints\u002Fbevformer_tiny_epoch_24.pth`: 下载的权重文件路径。\n*   `8`: 使用的 GPU 数量。\n*   `--eval bbox`: 评估指标，此处为 3D 检测框。\n\n### 训练 (Training)\n\n使用以下命令启动训练任务（以 Tiny 版本为例）：\n\n```bash\n.\u002Ftools\u002Fdist_train.sh \\\n  projects\u002Fconfigs\u002Fbevformer\u002Fbevformer_tiny.py \\\n  8 \\\n  --work-dir .\u002Fwork_dirs\u002Fbevformer_tiny\n```\n\n### 模型选择建议\n\n根据显存大小选择合适的配置：\n\n| 模型版本 | 骨干网络 | 预估显存 | 特点 | 配置文件 |\n| :--- | :--- | :--- | :--- | :--- |\n| **Tiny (FP16)** | ResNet50 | ~4-6 GB | 显存占用最低，适合调试 | `bevformer_tiny_fp16.py` |\n| **Tiny** | ResNet50 | ~6.5 GB | 标准 Tiny 版本 | `bevformer_tiny.py` |\n| **Small** | R101-DCN | ~10.5 GB | 精度与速度平衡 | `bevformer_small.py` |\n| **Base** | R101-DCN | ~28.5 GB | 高精度，需多卡大显存 | `bevformer_base.py` |\n\n> **提示**：更多预训练模型和配置文件请访问项目 [Model Zoo](https:\u002F\u002Fgithub.com\u002Ffundamentalvision\u002FBEVFormer#model-zoo) 或百度网盘链接。","某自动驾驶初创团队正在开发一款仅依赖摄像头的城市物流小车，需要在复杂的十字路口实现精准的 3D 障碍物检测与车道线识别。\n\n### 没有 BEVFormer 时\n- **感知视角割裂**：多路摄像头画面各自为政，难以在算法层面统一融合，导致车辆跨越视野盲区时目标容易丢失。\n- **深度估计不准**：纯视觉方案缺乏激光雷达的深度真值，传统方法在远距离或弱纹理区域经常误判障碍物距离。\n- **时序信息浪费**：系统仅处理单帧图像，无法利用历史帧信息来平滑检测框，导致车辆在行驶中感知结果频繁抖动。\n- **硬件成本受限**：为了达到安全标准，团队被迫考虑增加昂贵的激光雷达，严重超出了物流车的成本控制预算。\n\n### 使用 BEVFormer 后\n- **统一鸟瞰视图**：BEVFormer 通过时空 Transformer 将多相机特征投射到统一的鸟瞰空间，无缝拼接视野，彻底消除盲区拼接误差。\n- **深度精度跃升**：利用空间交叉注意力机制从多视角提取特征，其纯视觉方案的 NDS 指标高达 56.9%，性能媲美激光雷达基线。\n- **时序稳定融合**：引入时间自注意力机制递归融合历史 BEV 特征，显著提升了动态物体追踪的稳定性，消除了检测框跳变。\n- **纯视觉低成本落地**：仅凭摄像头即可满足高阶感知需求，帮助团队成功移除了激光雷达选型，大幅降低了整车 BOM 成本。\n\nBEVFormer 让纯视觉感知方案突破了精度瓶颈，以低成本实现了媲美激光雷达的可靠环境理解能力。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Ffundamentalvision_BEVFormer_ffd90a34.png","fundamentalvision","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002Ffundamentalvision_cbfa73cb.png",null,"https:\u002F\u002Fgithub.com\u002Ffundamentalvision",[77,81],{"name":78,"color":79,"percentage":80},"Python","#3572A5",99.9,{"name":82,"color":83,"percentage":84},"Shell","#89e051",0.1,4413,718,"2026-04-08T06:01:30","Apache-2.0",4,"未说明","需要 NVIDIA GPU。根据模型配置不同，显存需求从 6.5GB (BEVFormer-tiny) 到约 40.4GB (BEVformerV2-t8) 不等。基础版 (BEVFormer-base) 需 28.5GB 显存。",{"notes":93,"python":90,"dependencies":94},"该工具基于 OpenMMLab 生态 (mmdetection3d)。README 中未直接列出具体版本号，但指明了安装脚本位于 docs\u002Finstall.md。不同模型配置对显存要求差异巨大：Tiny 版需 6.5GB，Small 版需 10.5GB，Base 版需 28.5GB，而 V2 系列最高需约 40.4GB 显存。部分高性能配置使用了混合精度训练 (fp16) 以降低显存占用。预训练权重包含 R101-DCN 等骨干网络。",[95,96,97,98],"mmdetection3d","mmcv","torch","numpy",[13,14,15],[101,102,103,104],"deep-learning","autonomous-driving","computer-vision","object-detection","2026-03-27T02:49:30.150509","2026-04-09T05:24:02.712936",[108,113,118,123,128,133,138],{"id":109,"question_zh":110,"answer_zh":111,"source_url":112},25630,"安装时提示 'networkx 2.2 is installed but networkx>=2.8 is required' 版本冲突错误如何解决？","该问题通常是由于 pytorch 或其他依赖包版本不匹配导致的。解决方法是手动调整相关包的版本，确保 networkx 版本大于等于 2.8。可以尝试运行 'pip install --upgrade networkx' 或根据具体环境重新安装匹配的 torch 和 torchvision 版本。","https:\u002F\u002Fgithub.com\u002Ffundamentalvision\u002FBEVFormer\u002Fissues\u002F176",{"id":114,"question_zh":115,"answer_zh":116,"source_url":117},25631,"使用预训练模型在 v1.0-mini 数据集上测试时报 'torch.distributed.elastic.multiprocessing.errors.ChildFailedError' 错误怎么办？","此错误通常与环境配置无关，而是显存不足导致的。BEVFormer 运行大约需要 7500M (7.5GB) 的 GPU 显存。请检查您的显卡显存是否足够，如果显存不足，请尝试更换显存更大的显卡（如 V100 32GB）或减小 batch size。","https:\u002F\u002Fgithub.com\u002Ffundamentalvision\u002FBEVFormer\u002Fissues\u002F27",{"id":119,"question_zh":120,"answer_zh":121,"source_url":122},25632,"如何使用预训练权重进行可视化？对显存有什么要求？","可以使用提供的预训练 .pth 文件配合 nuscenes v1.0-mini 数据集进行可视化。运行测试脚本即可（例如 .\u002Ftools\u002Fdist_test.sh）。注意：该模型运行大约需要 7500M (7.5GB) 的 GPU 显存，如果显存不足会报 'CUDA out of memory' 错误。","https:\u002F\u002Fgithub.com\u002Ffundamentalvision\u002FBEVFormer\u002Fissues\u002F18",{"id":124,"question_zh":125,"answer_zh":126,"source_url":127},25633,"数据准备阶段提示找不到 'nuscenes_infos_train.pkl' 文件或遇到导入路径错误如何解决？","不需要修改源代码中的 import 路径。可以通过设置环境变量 PYTHONPATH 来解决路径问题。执行命令：export PYTHONPATH=\"\u002Fpath\u002Fto\u002FBEVFormer\u002Ftools:$PYTHONPATH\"（请将 \u002Fpath\u002Fto\u002FBEVFormer\u002Ftools 替换为实际的项目 tools 目录绝对路径），然后重新运行数据转换脚本即可。","https:\u002F\u002Fgithub.com\u002Ffundamentalvision\u002FBEVFormer\u002Fissues\u002F15",{"id":129,"question_zh":130,"answer_zh":131,"source_url":132},25634,"使用 BEVFormer-tiny 或 -small 配置文件训练时，NDS 和 mAP 指标接近 0 或训练崩溃是什么原因？","这是一个已知现象，许多用户在使用 tiny 和 small 模型配置时也遇到了训练收敛极慢或指标接近 0 的问题。这可能与特定的超参数设置或模型结构在小规模配置下的稳定性有关。建议仔细对比官方日志中的损失变化，确认是否处于极早期的训练阶段，或者尝试使用 base 模型配置以确保复现效果。","https:\u002F\u002Fgithub.com\u002Ffundamentalvision\u002FBEVFormer\u002Fissues\u002F31",{"id":134,"question_zh":135,"answer_zh":136,"source_url":137},25635,"多卡分布式训练 (dist_train) 时报 'TypeError: cannot pickle 'dict_keys' object' 错误如何解决？","这是由于 Python 多进程启动方法默认设置导致的。需要在 tools\u002Ftrain.py 文件的 '__main__' 入口中添加以下代码来强制设置启动方法：\nif __name__ == '__main__':\n    import torch\n    torch.multiprocessing.set_start_method('fork')\n    main()\n添加后重新运行分布式训练脚本即可解决。","https:\u002F\u002Fgithub.com\u002Ffundamentalvision\u002FBEVFormer\u002Fissues\u002F23",{"id":139,"question_zh":140,"answer_zh":141,"source_url":142},25636,"运行 create_data.py 准备 NuScenes 数据集时进程被 'Killed' 怎么办？","进程被 'Killed' 通常是因为系统内存（RAM）不足，导致操作系统杀死了占用内存过高的进程。NuScenes 数据集较大，处理时需要大量内存。建议增加系统物理内存，或在运行脚本时增加 Swap 分区大小，也可以尝试减少并发处理的线程数（如果脚本支持相关参数）。","https:\u002F\u002Fgithub.com\u002Ffundamentalvision\u002FBEVFormer\u002Fissues\u002F13",[144,148],{"id":145,"version":146,"summary_zh":74,"released_at":147},162923,"v2.0","2022-06-27T02:49:59",{"id":149,"version":150,"summary_zh":151,"released_at":152},162924,"v1.0","我们发布了BEVFormer的第一个版本，","2022-06-12T08:57:29"]