[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-google-research--deeplab2":3,"tool-google-research--deeplab2":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",160015,2,"2026-04-18T11:30:52",[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。",109154,"2026-04-18T11:18:24",[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":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":96,"forks":97,"last_commit_at":98,"license":99,"difficulty_score":100,"env_os":101,"env_gpu":102,"env_ram":101,"env_deps":103,"category_tags":108,"github_topics":76,"view_count":32,"oss_zip_url":76,"oss_zip_packed_at":76,"status":17,"created_at":110,"updated_at":111,"faqs":112,"releases":142},9181,"google-research\u002Fdeeplab2","deeplab2","DeepLab2 is a TensorFlow library for deep labeling, aiming to provide a unified and state-of-the-art TensorFlow codebase for dense pixel labeling tasks.","DeepLab2 是一个基于 TensorFlow 构建的开源库，专为解决“深度标注”类计算机视觉任务而设计。它的核心目标是为密集的像素级预测提供一个统一且达到业界最先进水平的代码框架。无论是语义分割、实例分割、全景分割，还是深度估计乃至视频全景分割，只要问题能转化为对图像中每个像素赋予预测值，DeepLab2 都能胜任。\n\n对于从事计算机视觉研究的学者和开发者而言，DeepLab2 极大地降低了复现前沿算法的门槛。它不仅仅是一个基础工具库，更集成了谷歌研究院最新的科研成果，如 MaX-DeepLab、ViP-DeepLab 以及 kMaX-DeepLab 等高性能模型。这些模型在多个权威数据集上均取得了领先的性能表现。此外，DeepLab2 提供了完善的数据集预处理指南（支持 ADE20K、Cityscapes、COCO 等主流数据）和 Colab 演示笔记本，帮助用户快速上手实验。\n\n如果你正在寻找一个功能强大、架构统一且持续更新的平台来开发或研究像素级视觉任务，DeepLab2 将是一个非常理想的选择。它让复杂的底层实现变得透明，让你能更专注于算法创新与应用落地。","# DeepLab2: A TensorFlow Library for Deep Labeling\n\nDeepLab2 is a TensorFlow library for deep labeling, aiming to provide a\nunified and state-of-the-art TensorFlow codebase for dense pixel labeling tasks,\nincluding, but not limited to semantic segmentation, instance segmentation,\npanoptic segmentation, depth estimation, or even video panoptic segmentation.\n\nDeep labeling refers to solving computer vision problems by assigning a\npredicted value for each pixel in an image with a deep neural network. As\nlong as the problem of interest could be formulated in this way, DeepLab2\nshould serve the purpose. Additionally, this codebase includes our recent and\nstate-of-the-art research models on deep labeling. We hope you will find it\nuseful for your projects.\n\n## Change logs\n\n*   10\u002F18\u002F2022: Add kMaX-DeepLab ADE20K panoptic segmentation results in\n    [model zoo](g3doc\u002Fprojects\u002Fkmax_deeplab.md).\n\n*   10\u002F04\u002F2022: Open-source MOAT model [code](model\u002Fpixel_encoder\u002Fmoat.py) and\n    [ImageNet pretrained weights](g3doc\u002Fprojects\u002Fmoat_imagenet_pretrained_checkpoints.md).\n    We thank [Chenglin Yang](https:\u002F\u002Fchenglin-yang.github.io\u002F) for their\n    valuable contributions.\n\n*   08\u002F26\u002F2022: Add ViP-DeepLab support for [Waymo Open Dataset: Panoramic Video Panoptic Segmentation](https:\u002F\u002Farxiv.org\u002Fabs\u002F2206.07704).\n    We thank [Jieru Mei](https:\u002F\u002Fmeijieru.com\u002F),\n    [Alex Zhu](https:\u002F\u002Fgithub.com\u002Falexzzhu),\n    [Xinchen Yan](https:\u002F\u002Fsites.google.com\u002Fsite\u002Fskywalkeryxc\u002F),\n    and [Hang Yan](https:\u002F\u002Fscholar.google.com\u002Fcitations?user=A4UXXLMAAAAJ&hl=en),\n    for their valuable contributions.\n\n*   08\u002F16\u002F2022: Support Colab [demo](DeepLab_COCO_Demo.ipynb) for kMaX-DeepLab.\n\n*   07\u002F12\u002F2022: Open-source\n    [k-means Mask Transformer](https:\u002F\u002Farxiv.org\u002Fpdf\u002F2207.04044.pdf)\n    (kMaX-DeepLab) code and [model zoo](g3doc\u002Fprojects\u002Fkmax_deeplab.md).\n\n*   07\u002F11\u002F2022: Drop support of Tensorflow 2.5. Please update to 2.6.\n\n*   04\u002F27\u002F2022: Add ViP-DeepLab [demo](ViP_DeepLab_Demo.ipynb) and update\n    ViP-DeepLab [model zoo](g3doc\u002Fprojects\u002Fvip_deeplab.md).\n\n*   09\u002F07\u002F2021: Add numpy implementation of Segmentation and Tracking Quality.\n    Find it [here](evaluation\u002Fnumpy\u002Fsegmentation_and_tracking_quality.py).\n\n*   09\u002F06\u002F2021: Update Panoptic-DeepLab w\u002F MobileNetv3 backbone results on\n    Cityscapes.\n\n*   08\u002F13\u002F2021: Open-source MaX-DeepLab-L COCO checkpoints (51.3% PQ on COCO val\n    set).\n\n*   07\u002F26\u002F2021: Add ViP-DeepLab support for SemKITTI-DVPS.\n\n*   07\u002F07\u002F2021: KITTI-STEP and MOTChallenge-STEP are ready to use.\n\n*   06\u002F07\u002F2021: Add hungarian matching support on TPU for MaX-DeepLab, thanks to\n    the help from [Jiquan Ngiam](https:\u002F\u002Fcs.stanford.edu\u002F~jngiam\u002F)\n    and [Amil Merchant](https:\u002F\u002Fscholar.google.com\u002Fcitations?user=uRImMPoAAAAJ&hl=en).\n\n*   06\u002F01\u002F2021: \"Hello, World!\", DeepLab2 made publicly available.\n\n## Installation\n\nSee [Installation](g3doc\u002Fsetup\u002Finstallation.md).\n\n## Dataset preparation\n\nThe dataset needs to be converted to TFRecord. We provide some examples below.\n\n* \u003Ca href='g3doc\u002Fsetup\u002Fade20k.md'>ADE20K\u003C\u002Fa>\u003Cbr>\n* \u003Ca href='g3doc\u002Fsetup\u002Fcityscapes.md'>Cityscapes\u003C\u002Fa>\u003Cbr>\n* \u003Ca href='g3doc\u002Fsetup\u002Fcoco.md'>COCO\u003C\u002Fa>\u003Cbr>\n* \u003Ca href='g3doc\u002Fsetup\u002Fkitti_step.md'>KITTI-STEP\u003C\u002Fa>\u003Cbr>\n* \u003Ca href='g3doc\u002Fsetup\u002Fmotchallenge_step.md'>MOTChallenge-STEP\u003C\u002Fa>\u003Cbr>\n\nSome guidances about how to convert your own dataset.\n\n* \u003Ca href='g3doc\u002Fsetup\u002Fyour_own_dataset.md'>Your Own Dataset\u003C\u002Fa>\u003Cbr>\n\n## Projects\n\nWe list a few projects that use DeepLab2.\n\n* \u003Ca href='g3doc\u002Fprojects\u002Fpanoptic_deeplab.md'>Panoptic-DeepLab\u003C\u002Fa>\u003Cbr>\n* \u003Ca href='g3doc\u002Fprojects\u002Faxial_deeplab.md'>Axial-DeepLab\u003C\u002Fa>\u003Cbr>\n* \u003Ca href='g3doc\u002Fprojects\u002Fmax_deeplab.md'>MaX-DeepLab\u003C\u002Fa>\u003Cbr>\n* \u003Ca href='g3doc\u002Fprojects\u002Fmotion_deeplab.md'>STEP (Motion-DeepLab)\u003C\u002Fa>\u003Cbr>\n* \u003Ca href='g3doc\u002Fprojects\u002Fvip_deeplab.md'>ViP-DeepLab\u003C\u002Fa>\u003Cbr>\n* \u003Ca href='g3doc\u002Fprojects\u002Fkmax_deeplab.md'>kMaX-DeepLab\u003C\u002Fa>\u003Cbr>\n\n## Colab Demo\n\n*   \u003Ca href='https:\u002F\u002Fcolab.research.google.com\u002Fgithub\u002Fgoogle-research\u002Fdeeplab2\u002Fblob\u002Fmain\u002FDeepLab_COCO_Demo.ipynb'>kMaX-DeepLab Colab notebook for off-the-shelf inference with COCO checkpoints.\u003C\u002Fa>\u003Cbr>\n\n*   \u003Ca href='https:\u002F\u002Fcolab.research.google.com\u002Fgithub\u002Fgoogle-research\u002Fdeeplab2\u002Fblob\u002Fmain\u002FDeepLab_Cityscsapes_Demo.ipynb'>Panoptic-DeepLab Colab notebook for off-the-shelf inference with Cityscapes checkpoints.\u003C\u002Fa>\u003Cbr>\n\n*   \u003Ca href='https:\u002F\u002Fcolab.research.google.com\u002Fgithub\u002Fgoogle-research\u002Fdeeplab2\u002Fblob\u002Fmain\u002FViP_DeepLab_Demo.ipynb'>ViP-DeepLab Colab notebook for off-the-shelf inference with Cityscapes-DVPS checkpoints.\u003C\u002Fa>\u003Cbr>\n\nNote that the exported models used in all the demos are in **CPU** mode.\n\n## Running DeepLab2\n\nSee [Getting Started](g3doc\u002Fsetup\u002Fgetting_started.md). In short, run the\nfollowing command:\n\nTo run DeepLab2 on GPUs, the following command should be used:\n\n```bash\npython trainer\u002Ftrain.py \\\n    --config_file=${CONFIG_FILE} \\\n    --mode={train | eval | train_and_eval | continuous_eval} \\\n    --model_dir=${BASE_MODEL_DIRECTORY} \\\n    --num_gpus=${NUM_GPUS}\n```\n\n## Contacts (Maintainers)\n\nPlease check \u003Ca href='g3doc\u002Ffaq.md'>FAQ\u003C\u002Fa> if you have some questions before\nreporting the issues.\u003Cbr>\n\n* Mark Weber, github: [markweberdev](https:\u002F\u002Fgithub.com\u002Fmarkweberdev)\n* Huiyu Wang, github: [csrhddlam](https:\u002F\u002Fgithub.com\u002Fcsrhddlam)\n* Siyuan Qiao, github: [joe-siyuan-qiao](https:\u002F\u002Fgithub.com\u002Fjoe-siyuan-qiao)\n* Jun Xie, github: [clairexie](https:\u002F\u002Fgithub.com\u002Fclairexie)\n* Maxwell D. Collins, github: [mcollinswisc](https:\u002F\u002Fgithub.com\u002Fmcollinswisc)\n* YuKun Zhu, github: [yknzhu](https:\u002F\u002Fgithub.com\u002FYknZhu)\n* Liangzhe Yuan, github: [yuanliangzhe](https:\u002F\u002Fgithub.com\u002Fyuanliangzhe)\n* Dahun Kim, github: [mcahny](https:\u002F\u002Fgithub.com\u002Fmcahny)\n* Qihang Yu, github: [yucornetto](https:\u002F\u002Fgithub.com\u002Fyucornetto)\n* Liang-Chieh Chen, github: [aquariusjay](https:\u002F\u002Fgithub.com\u002Faquariusjay)\n\n## Disclaimer\n\n* Note that this library contains our **re-implemented** DeepLab models in\n*TensorFlow2*, and thus may have some minor differences from the published\npapers (e.g., learning rate).\n\n* This is not an official Google product.\n\n## Citing DeepLab2\n\nIf you find DeepLab2 useful for your project, please consider citing\n`DeepLab2` along with the relevant DeepLab series.\n\n* DeepLab2:\n\n```\n@article{deeplab2_2021,\n  author={Mark Weber and Huiyu Wang and Siyuan Qiao and Jun Xie and Maxwell D. Collins and Yukun Zhu and Liangzhe Yuan and Dahun Kim and Qihang Yu and Daniel Cremers and Laura Leal-Taixe and Alan L. Yuille and Florian Schroff and Hartwig Adam and Liang-Chieh Chen},\n  title={{DeepLab2: A TensorFlow Library for Deep Labeling}},\n  journal={arXiv: 2106.09748},\n  year={2021}\n}\n\n```\n\n### References\n\n1. Marius Cordts, Mohamed Omran, Sebastian Ramos, Timo Rehfeld, Markus\n   Enzweiler, Rodrigo Benenson, Uwe Franke, Stefan Roth, and Bernt Schiele.\n   \"The cityscapes dataset for semantic urban scene understanding.\" In CVPR,\n   2016.\n\n2. Andreas Geiger, Philip Lenz, and Raquel Urtasun. \"Are we ready for\n   autonomous driving? the kitti vision benchmark suite.\" In CVPR, 2012.\n\n3. Jens Behley, Martin Garbade, Andres Milioto, Jan Quenzel, Sven Behnke,\n   Cyrill Stachniss, and Jurgen Gall. \"Semantickitti: A dataset for semantic\n   scene understanding of lidar sequences.\" In ICCV, 2019.\n\n4. Alexander Kirillov, Kaiming He, Ross Girshick, Carsten Rother, and Piotr\n   Dollar. \"Panoptic segmentation.\" In CVPR, 2019.\n\n5. Dahun Kim, Sanghyun Woo, Joon-Young Lee, and In So Kweon. \"Video panoptic\n   segmentation.\" In CVPR, 2020.\n\n6. Tsung-Yi Lin, Michael Maire, Serge Belongie, James Hays, Pietro Perona,\n   Deva Ramanan, Piotr Dollar, and C Lawrence Zitnick. \"Microsoft COCO:\n   Common objects in context.\" In ECCV, 2014.\n\n7. Patrick Dendorfer, Aljosa Osep, Anton Milan, Konrad Schindler, Daniel\n   Cremers, Ian Reid, Stefan Roth, and Laura Leal-Taixe. \"MOTChallenge: A\n   Benchmark for Single-camera Multiple Target Tracking.\" IJCV, 2020.\n\n8. Bolei Zhou, Hang Zhao, Xavier Puig, Sanja Fidler, Adela Barriuso, and\n   Antonio Torralba. \"Scene Parsing through ADE20K Dataset.\" In CVPR, 2017.\n","# DeepLab2：用于深度标注的 TensorFlow 库\n\nDeepLab2 是一个用于深度标注的 TensorFlow 库，旨在为密集像素标注任务提供统一且最先进的 TensorFlow 代码库，这些任务包括但不限于语义分割、实例分割、全景分割、深度估计，甚至视频全景分割。\n\n深度标注是指通过深度神经网络为图像中的每个像素分配预测值来解决计算机视觉问题。只要感兴趣的问题能够以这种方式建模，DeepLab2 就应该能满足需求。此外，该代码库还包含了我们在深度标注方面的最新和最先进研究模型。我们希望它对您的项目有所帮助。\n\n## 更改日志\n\n*   2022年10月18日：在 [模型库](g3doc\u002Fprojects\u002Fkmax_deeplab.md) 中添加了 kMaX-DeepLab ADE20K 全景分割结果。\n\n*   2022年10月4日：开源 MOAT 模型的 [代码](model\u002Fpixel_encoder\u002Fmoat.py) 和 [ImageNet 预训练权重](g3doc\u002Fprojects\u002Fmoat_imagenet_pretrained_checkpoints.md)。我们感谢 [Chenglin Yang](https:\u002F\u002Fchenglin-yang.github.io\u002F) 的宝贵贡献。\n\n*   2022年8月26日：为 [Waymo 开放数据集：全景视频全景分割](https:\u002F\u002Farxiv.org\u002Fabs\u002F2206.07704) 添加了 ViP-DeepLab 支持。我们感谢 [Jieru Mei](https:\u002F\u002Fmeijieru.com\u002F)、[Alex Zhu](https:\u002F\u002Fgithub.com\u002Falexzzhu)、[Xinchen Yan](https:\u002F\u002Fsites.google.com\u002Fsite\u002Fskywalkeryxc\u002F) 和 [Hang Yan](https:\u002F\u002Fscholar.google.com\u002Fcitations?user=A4UXXLMAAAAJ&hl=en) 的宝贵贡献。\n\n*   2022年8月16日：支持 kMaX-DeepLab 的 Colab [演示](DeepLab_COCO_Demo.ipynb)。\n\n*   2022年7月12日：开源 [k-means Mask Transformer](https:\u002F\u002Farxiv.org\u002Fpdf\u002F2207.04044.pdf)（kMaX-DeepLab）代码和 [模型库](g3doc\u002Fprojects\u002Fkmax_deeplab.md)。\n\n*   2022年7月11日：停止对 Tensorflow 2.5 的支持。请更新至 2.6。\n\n*   2022年4月27日：添加 ViP-DeepLab [演示](ViP_DeepLab_Demo.ipynb)，并更新 ViP-DeepLab [模型库](g3doc\u002Fprojects\u002Fvip_deeplab.md)。\n\n*   2021年9月7日：添加了分割与跟踪质量的 numpy 实现。可在 [此处](evaluation\u002Fnumpy\u002Fsegmentation_and_tracking_quality.py) 找到。\n\n*   2021年9月6日：更新了使用 MobileNetv3 主干的 Panoptic-DeepLab 在 Cityscapes 上的结果。\n\n*   2021年8月13日：开源 MaX-DeepLab-L COCO 检查点（在 COCO 验证集上获得 51.3% PQ）。\n\n*   2021年7月26日：为 SemKITTI-DVPS 添加了 ViP-DeepLab 支持。\n\n*   2021年7月7日：KITTI-STEP 和 MOTChallenge-STEP 已经可以使用。\n\n*   2021年6月7日：为 MaX-DeepLab 在 TPU 上添加了匈牙利匹配支持，感谢 [Jiquan Ngiam](https:\u002F\u002Fcs.stanford.edu\u002F~jngiam\u002F) 和 [Amil Merchant](https:\u002F\u002Fscholar.google.com\u002Fcitations?user=uRImMPoAAAAJ&hl=en) 的帮助。\n\n*   2021年6月1日：“你好，世界！”DeepLab2 正式公开发布。\n\n## 安装\n\n请参阅 [安装](g3doc\u002Fsetup\u002Finstallation.md)。\n\n## 数据集准备\n\n数据集需要转换为 TFRecord 格式。以下是一些示例：\n\n* \u003Ca href='g3doc\u002Fsetup\u002Fade20k.md'>ADE20K\u003C\u002Fa>\u003Cbr>\n* \u003Ca href='g3doc\u002Fsetup\u002Fcityscapes.md'>Cityscapes\u003C\u002Fa>\u003Cbr>\n* \u003Ca href='g3doc\u002Fsetup\u002Fcoco.md'>COCO\u003C\u002Fa>\u003Cbr>\n* \u003Ca href='g3doc\u002Fsetup\u002Fkitti_step.md'>KITTI-STEP\u003C\u002Fa>\u003Cbr>\n* \u003Ca href='g3doc\u002Fsetup\u002Fmotchallenge_step.md'>MOTChallenge-STEP\u003C\u002Fa>\u003Cbr>\n\n关于如何转换您自己的数据集的一些指南：\n\n* \u003Ca href='g3doc\u002Fsetup\u002Fyour_own_dataset.md'>您自己的数据集\u003C\u002Fa>\u003Cbr>\n\n## 项目\n\n我们列出了一些使用 DeepLab2 的项目。\n\n* \u003Ca href='g3doc\u002Fprojects\u002Fpanoptic_deeplab.md'>Panoptic-DeepLab\u003C\u002Fa>\u003Cbr>\n* \u003Ca href='g3doc\u002Fprojects\u002Faxial_deeplab.md'>Axial-DeepLab\u003C\u002Fa>\u003Cbr>\n* \u003Ca href='g3doc\u002Fprojects\u002Fmax_deeplab.md'>MaX-DeepLab\u003C\u002Fa>\u003Cbr>\n* \u003Ca href='g3doc\u002Fprojects\u002Fmotion_deeplab.md'>STEP（Motion-DeepLab）\u003C\u002Fa>\u003Cbr>\n* \u003Ca href='g3doc\u002Fprojects\u002Fvip_deeplab.md'>ViP-DeepLab\u003C\u002Fa>\u003Cbr>\n* \u003Ca href='g3doc\u002Fprojects\u002Fkmax_deeplab.md'>kMaX-DeepLab\u003C\u002Fa>\u003Cbr>\n\n## Colab 演示\n\n*   \u003Ca href='https:\u002F\u002Fcolab.research.google.com\u002Fgithub\u002Fgoogle-research\u002Fdeeplab2\u002Fblob\u002Fmain\u002FDeepLab_COCO_Demo.ipynb'>kMaX-DeepLab Colab 笔记本，用于使用 COCO 检查点进行即插即用推理。\u003C\u002Fa>\u003Cbr>\n\n*   \u003Ca href='https:\u002F\u002Fcolab.research.google.com\u002Fgithub\u002Fgoogle-research\u002Fdeeplab2\u002Fblob\u002Fmain\u002FDeepLab_Cityscsapes_Demo.ipynb'>Panoptic-DeepLab Colab 笔记本，用于使用 Cityscapes 检查点进行即插即用推理。\u003C\u002Fa>\u003Cbr>\n\n*   \u003Ca href='https:\u002F\u002Fcolab.research.google.com\u002Fgithub\u002Fgoogle-research\u002Fdeeplab2\u002Fblob\u002Fmain\u002FViP_DeepLab_Demo.ipynb'>ViP-DeepLab Colab 笔记本，用于使用 Cityscapes-DVPS 检查点进行即插即用推理。\u003C\u002Fa>\u003Cbr>\n\n请注意，所有演示中使用的导出模型均处于 **CPU** 模式。\n\n## 运行 DeepLab2\n\n请参阅 [入门](g3doc\u002Fsetup\u002Fgetting_started.md)。简而言之，运行以下命令：\n\n要在 GPU 上运行 DeepLab2，应使用以下命令：\n\n```bash\npython trainer\u002Ftrain.py \\\n    --config_file=${CONFIG_FILE} \\\n    --mode={train | eval | train_and_eval | continuous_eval} \\\n    --model_dir=${BASE_MODEL_DIRECTORY} \\\n    --num_gpus=${NUM_GPUS}\n```\n\n## 联系方式（维护者）\n\n如果您在报告问题之前有任何疑问，请查看 \u003Ca href='g3doc\u002Ffaq.md'>常见问题解答\u003C\u002Fa>。\u003Cbr>\n\n* Mark Weber，github：[markweberdev](https:\u002F\u002Fgithub.com\u002Fmarkweberdev)\n* Huiyu Wang，github：[csrhddlam](https:\u002F\u002Fgithub.com\u002Fcsrhddlam)\n* Siyuan Qiao，github：[joe-siyuan-qiao](https:\u002F\u002Fgithub.com\u002Fjoe-siyuan-qiao)\n* Jun Xie，github：[clairexie](https:\u002F\u002Fgithub.com\u002Fclairexie)\n* Maxwell D. Collins，github：[mcollinswisc](https:\u002F\u002Fgithub.com\u002Fmcollinswisc)\n* YuKun Zhu，github：[yknzhu](https:\u002F\u002Fgithub.com\u002FYknZhu)\n* Liangzhe Yuan，github：[yuanliangzhe](https:\u002F\u002Fgithub.com\u002Fyuanliangzhe)\n* Dahun Kim，github：[mcahny](https:\u002F\u002Fgithub.com\u002Fmcahny)\n* Qihang Yu，github：[yucornetto](https:\u002F\u002Fgithub.com\u002Fyucornetto)\n* Liang-Chieh Chen，github：[aquariusjay](https:\u002F\u002Fgithub.com\u002Faquariusjay)\n\n## 免责声明\n\n* 请注意，此库包含我们在 *TensorFlow2* 中 **重新实现** 的 DeepLab 模型，因此可能与已发表的论文存在一些细微差异（例如学习率）。\n\n* 这并非 Google 的官方产品。\n\n## 引用 DeepLab2\n\n如果您发现 DeepLab2 对您的项目有用，请考虑引用 `DeepLab2` 以及相关的 DeepLab 系列。\n\n* DeepLab2：\n\n```\n@article{deeplab2_2021,\n  author={Mark Weber、Huiyu Wang、Siyuan Qiao、Jun Xie、Maxwell D. Collins、Yukun Zhu、Liangzhe Yuan、Dahun Kim、Qihang Yu、Daniel Cremers、Laura Leal-Taixe、Alan L. Yuille、Florian Schroff、Hartwig Adam、Liang-Chieh Chen},\n  title={{DeepLab2：用于深度标注的 TensorFlow 库}},\n  journal={arXiv: 2106.09748},\n  year={2021}\n}\n\n```\n\n### 参考文献\n\n1. Marius Cordts、Mohamed Omran、Sebastian Ramos、Timo Rehfeld、Markus Enzweiler、Rodrigo Benenson、Uwe Franke、Stefan Roth 和 Bernt Schiele。“用于语义城市场景理解的城市景观数据集”。载于 CVPR，2016 年。\n\n2. Andreas Geiger、Philip Lenz 和 Raquel Urtasun。“我们准备好迎接自动驾驶了吗？KITTI 视觉基准测试套件”。载于 CVPR，2012 年。\n\n3. Jens Behley、Martin Garbade、Andres Milioto、Jan Quenzel、Sven Behnke、Cyrill Stachniss 和 Jurgen Gall。“Semantickitti：用于激光雷达序列语义场景理解的数据集”。载于 ICCV，2019 年。\n\n4. Alexander Kirillov、Kaiming He、Ross Girshick、Carsten Rother 和 Piotr Dollar。“全景分割”。载于 CVPR，2019 年。\n\n5. Dahun Kim、Sanghyun Woo、Joon-Young Lee 和 In So Kweon。“视频全景分割”。载于 CVPR，2020 年。\n\n6. Tsung-Yi Lin、Michael Maire、Serge Belongie、James Hays、Pietro Perona、Deva Ramanan、Piotr Dollar 和 C Lawrence Zitnick。“微软 COCO：上下文中的常见物体”。载于 ECCV，2014 年。\n\n7. Patrick Dendorfer、Aljosa Osep、Anton Milan、Konrad Schindler、Daniel Cremers、Ian Reid、Stefan Roth 和 Laura Leal-Taixe。“MOTChallenge：单摄像头多目标跟踪基准测试”。IJCV，2020 年。\n\n8. Bolei Zhou、Hang Zhao、Xavier Puig、Sanja Fidler、Adela Barriuso 和 Antonio Torralba。“通过 ADE20K 数据集进行场景解析”。载于 CVPR，2017 年。","# DeepLab2 快速上手指南\n\nDeepLab2 是一个基于 TensorFlow 的深度学习库，旨在为密集像素标注任务（如语义分割、实例分割、全景分割、深度估计及视频全景分割）提供统一且最先进的代码库。\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 (推荐) 或 macOS。\n*   **Python**: Python 3.7+。\n*   **TensorFlow**: **TensorFlow 2.6 或更高版本** (注意：已不再支持 TensorFlow 2.5)。\n*   **硬件**: 推荐使用 NVIDIA GPU 进行训练和推理，需安装对应的 CUDA 和 cuDNN。\n*   **依赖管理**: 建议创建独立的虚拟环境 (如 `venv` 或 `conda`)。\n\n> **国内加速提示**:\n> 安装 TensorFlow 或其他 PyPI 包时，建议使用清华源或阿里源以加快下载速度：\n> `pip install -i https:\u002F\u002Fpypi.tuna.tsinghua.edu.cn\u002Fsimple \u003Cpackage_name>`\n\n## 安装步骤\n\n1.  **克隆仓库**\n    从 GitHub 获取 DeepLab2 源代码：\n    ```bash\n    git clone https:\u002F\u002Fgithub.com\u002Fgoogle-research\u002Fdeeplab2.git\n    cd deeplab2\n    ```\n\n2.  **安装依赖**\n    虽然官方文档指向具体的安装页面，但通常核心依赖可通过 pip 安装。请确保已安装符合版本的 TensorFlow。\n    ```bash\n    # 示例：使用国内源安装 tensorflow (请根据显卡型号选择 gpu 或 cpu 版本)\n    pip install -i https:\u002F\u002Fpypi.tuna.tsinghua.edu.cn\u002Fsimple \"tensorflow>=2.6\"\n\n    # 安装其他潜在依赖 (如有 requirements.txt 请优先使用)\n    pip install -i https:\u002F\u002Fpypi.tuna.tsinghua.edu.cn\u002Fsimple -r requirements.txt\n    ```\n    *(注：如果仓库根目录没有 `requirements.txt`，请参考 `g3doc\u002Fsetup\u002Finstallation.md` 中的具体依赖列表进行手动安装)*\n\n3.  **数据集准备**\n    DeepLab2 要求数据集转换为 **TFRecord** 格式。官方提供了常见数据集的转换脚本和指南：\n    *   ADE20K, Cityscapes, COCO, KITTI-STEP 等：参考 `g3doc\u002Fsetup\u002F` 目录下的对应 markdown 文件。\n    *   自定义数据集：参考 `g3doc\u002Fsetup\u002Fyour_own_dataset.md` 学习如何转换自有数据。\n\n## 基本使用\n\nDeepLab2 的核心功能通过 `trainer\u002Ftrain.py` 脚本启动，支持训练、评估及推理模式。\n\n### 运行命令\n\n在 GPU 环境下运行 DeepLab2 的基本命令如下：\n\n```bash\npython trainer\u002Ftrain.py \\\n    --config_file=${CONFIG_FILE} \\\n    --mode={train | eval | train_and_eval | continuous_eval} \\\n    --model_dir=${BASE_MODEL_DIRECTORY} \\\n    --num_gpus=${NUM_GPUS}\n```\n\n**参数说明：**\n*   `${CONFIG_FILE}`: 模型配置文件的路径（位于 `configs\u002F` 目录下，例如 `configs\u002Fcityscapes\u002Fpanoptic_deeplab_R103_os16_mscrop.yaml`）。\n*   `--mode`: 运行模式。\n    *   `train`: 仅训练。\n    *   `eval`: 仅评估。\n    *   `train_and_eval`: 训练并评估。\n*   `${BASE_MODEL_DIRECTORY}`: 模型检查点和日志的输出目录。\n*   `${NUM_GPUS}`: 使用的 GPU 数量。\n\n### 快速体验 (Colab Demo)\n\n如果您希望在不配置本地环境的情况下快速测试预训练模型，可以使用官方提供的 Colab Notebook：\n\n*   **COCO 数据集 (kMaX-DeepLab)**: [打开 Colab](https:\u002F\u002Fcolab.research.google.com\u002Fgithub\u002Fgoogle-research\u002Fdeeplab2\u002Fblob\u002Fmain\u002FDeepLab_COCO_Demo.ipynb)\n*   **Cityscapes 数据集 (Panoptic-DeepLab)**: [打开 Colab](https:\u002F\u002Fcolab.research.google.com\u002Fgithub\u002Fgoogle-research\u002Fdeeplab2\u002Fblob\u002Fmain\u002FDeepLab_Cityscsapes_Demo.ipynb)\n*   **视频全景分割 (ViP-DeepLab)**: [打开 Colab](https:\u002F\u002Fcolab.research.google.com\u002Fgithub\u002Fgoogle-research\u002Fdeeplab2\u002Fblob\u002Fmain\u002FViP_DeepLab_Demo.ipynb)\n\n> **注意**: Colab 演示中导出的模型默认运行在 **CPU** 模式下，适合小规模推理测试。\n\n### 常用项目模型\n您可以根据任务需求在 `configs\u002F` 目录选择对应的配置文件：\n*   **全景分割**: Panoptic-DeepLab, MaX-DeepLab, kMaX-DeepLab\n*   **视频全景分割**: ViP-DeepLab, STEP (Motion-DeepLab)\n*   **轴注意力机制**: Axial-DeepLab","一家自动驾驶初创公司的感知团队正在开发城市道路场景下的全景视频分割系统，需要同时识别车道、车辆、行人并追踪其运动轨迹。\n\n### 没有 deeplab2 时\n- **模型架构分散**：语义分割、实例分割和视频追踪需要分别搭建不同的代码库，维护多套重复的预处理和训练逻辑，开发效率极低。\n- **时序一致性差**：自行拼凑的视频分割方案难以处理帧间抖动，导致车辆在连续画面中标签闪烁或 ID 频繁切换，影响下游规划模块判断。\n- **复现前沿算法难**：想要尝试最新的 kMaX-DeepLab 或 ViP-DeepLab 等 SOTA 模型，需从零阅读论文并重构代码，耗时数月且难以保证精度对齐。\n- **数据格式转换繁琐**：将 Cityscapes 或 Waymo 等开源数据集转换为模型可用格式缺乏统一标准，每次实验前都要编写大量临时脚本清洗数据。\n\n### 使用 deeplab2 后\n- **统一任务框架**：利用 deeplab2 提供的统一代码库，一套配置即可同时支持语义、实例及全景视频分割，大幅减少了冗余代码和维护成本。\n- **原生视频追踪支持**：直接调用内置的 ViP-DeepLab 或 STEP 模块，轻松实现高稳定性的视频全景分割，有效解决了帧间标签闪烁和 ID 跳变问题。\n- **开箱即用的 SOTA 模型**：直接加载官方预训练的 kMaX-DeepLab 或 MaX-DeepLab 权重，几天内即可完成从基线对比到模型部署的全流程。\n- **标准化数据流水线**：借助官方提供的 TFRecord 转换脚本和示例，快速将私有路测数据接入训练流程，显著缩短了数据准备周期。\n\ndeeplab2 通过提供统一且先进的 TensorFlow 底座，让研发团队能从繁琐的基础设施建设中解脱出来，专注于解决复杂的长尾场景问题。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fgoogle-research_deeplab2_e0db7997.png","google-research","Google Research","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002Fgoogle-research_c23b2adf.png","",null,"https:\u002F\u002Fresearch.google","https:\u002F\u002Fgithub.com\u002Fgoogle-research",[80,84,88,92],{"name":81,"color":82,"percentage":83},"Python","#3572A5",93.5,{"name":85,"color":86,"percentage":87},"Jupyter Notebook","#DA5B0B",4.4,{"name":89,"color":90,"percentage":91},"C++","#f34b7d",1.8,{"name":93,"color":94,"percentage":95},"Shell","#89e051",0.2,1034,162,"2026-03-31T15:02:10","Apache-2.0",4,"未说明","运行训练需 NVIDIA GPU（通过 --num_gpus 参数指定数量），推理支持 CPU 模式；具体型号、显存大小及 CUDA 版本未在文中明确说明",{"notes":104,"python":101,"dependencies":105},"该工具基于 TensorFlow 2（不再支持 TensorFlow 2.5，需升级至 2.6 或更高版本）。数据集需预先转换为 TFRecord 格式。官方提供的 Colab 演示模型导出为 CPU 模式。这是一个研究用代码库，非 Google 官方产品。",[106,107],"TensorFlow>=2.6","numpy",[15,109,14],"视频","2026-03-27T02:49:30.150509","2026-04-19T03:05:04.460161",[113,118,123,128,133,138],{"id":114,"question_zh":115,"answer_zh":116,"source_url":117},41221,"为什么导出的 saved_model 模型推理效果比直接评估检查点（checkpoint）差很多？","这通常是因为推理代码中的后处理逻辑与训练\u002F评估模式不一致。如果您只有一个语义标签，尝试直接使用以下代码进行推理以获得正确结果：\n1. 获取预测结果：result = LOADED_MODEL(tf.cast(image, tf.uint8))\n2. 提取并缩放语义预测：b = result['semantic_pred'].numpy()[0] * 255\n3. 构建掩码：mask2 = np.stack((b,) * 3, axis=-1).astype('uint8')\n4. 叠加显示：c = cv2.addWeighted(image, 1, mask2, 0.5, 0.0)\n注意：直接从配置文件加载模型运行推理可能与 train.py 的 eval 模式行为不同，建议优先参考官方 demo notebook 的逻辑或确保配置中禁用了训练特有的操作（如 drop_path）。","https:\u002F\u002Fgithub.com\u002Fgoogle-research\u002Fdeeplab2\u002Fissues\u002F110",{"id":119,"question_zh":120,"answer_zh":121,"source_url":122},41222,"在运行 ViP-DeepLab 或其他模型评估时遇到 'layout failed: Invalid argument: Size of values 3 does not match size of permutation 4' 错误怎么办？","该错误通常由环境版本不匹配引起。请尝试严格按照以下步骤重建环境：\n1. 使用 CUDA 11.2.2 和 cuDNN v8.2.1.32。\n2. 克隆仓库后，不要完全依赖安装指南中的通用步骤，建议参考社区提供的特定快照文件（snapshot.txt）来创建环境（适用于 Panoptic-DeepLab\u002FMotion-DeepLab）。\n3. 确保编译 protobuf 和 GPU 操作算子。\n4. 如果使用的是 TensorFlow 2.5 仍报错，请检查是否与特定的提交版本（如 tensorflow models\u002Forbit commit 5e81b52）兼容。目前官方正在准备 Model Zoo 以提供更稳定的预训练模型和复现支持。","https:\u002F\u002Fgithub.com\u002Fgoogle-research\u002Fdeeplab2\u002Fissues\u002F58",{"id":124,"question_zh":125,"answer_zh":126,"source_url":127},41223,"运行评估脚本时出现 'Unresolved object in checkpoint: (root).optimizer' 警告且无法加载检查点，如何解决？","这个警告表明检查点文件中包含优化器状态，但在评估模式下不需要加载它。解决方法是确保在配置文件中正确设置初始检查点路径（initial_checkpoint），并且只指向数据文件前缀（例如 'ckpt-60000'），而不需要手动修改代码来忽略优化器。TensorFlow 会自动处理未解析的对象，只要模型结构定义正确，该警告通常可以忽略，不会影响评估结果的计算。如果程序卡住，请检查数据集路径模式（dataset pattern）和实验名称配置是否正确。","https:\u002F\u002Fgithub.com\u002Fgoogle-research\u002Fdeeplab2\u002Fissues\u002F82",{"id":129,"question_zh":130,"answer_zh":131,"source_url":132},41224,"STEP 数据集有验证集吗？如果没有，如何划分？","官方目前没有提供专门的 STEP MOTS 验证集。对于需要验证集的情况，建议从训练集中自行划分一个子集作为验证使用。此外，关于 KITTI-STEP 数据集，它是基于 KITTI-MOTS 构建的，增加了语义分割标注。在使用 VPQ 指标评估时，请注意该指标对窗口大小（window size）和步长（stride）敏感，可能需要调整这些参数以适应不同的帧率；而项目提出的 STQ 指标则可以直接在整个视频序列上进行评估。","https:\u002F\u002Fgithub.com\u002Fgoogle-research\u002Fdeeplab2\u002Fissues\u002F59",{"id":134,"question_zh":135,"answer_zh":136,"source_url":137},41225,"VPQ 指标在不同数据集（如 Cityscapes-VPS 和 KITTI-STEP）上的表现差异原因是什么？默认设置是怎样的？","VPQ（Video Panoptic Quality）分数天然高于 PQ 分数。其计算依赖于窗口大小 k。默认设置是取 K=4 个不同窗口大小（0, 1, 2, 3 帧标记图像）的平均值。\n- 对于 Cityscapes-VPS（每 5 帧标记一次），这对应于窗口设置 (0, 5, 10, 15)。\n- 对于 KITTI-STEP，由于 'thing' 类别较少（2 类 vs Cityscapes 的 8 类），VPQ 的变化幅度可能不如 Cityscapes 明显。\n如果在评估中发现异常，请检查是否使用了论文中介绍的默认窗口设置，并确保没有错误地将所有基线设置为相同的 k=0 窗口。","https:\u002F\u002Fgithub.com\u002Fgoogle-research\u002Fdeeplab2\u002Fissues\u002F64",{"id":139,"question_zh":140,"answer_zh":141,"source_url":122},41226,"如何复现论文中的结果？需要多少张 GPU？","要复现论文结果，建议使用官方提供的配置文件（如 resnet50_beta_os32.textproto）。关于硬件需求，虽然具体数量取决于批次大小（batch size），但通常使用多卡训练可以加速过程。例如，当 batch size 设为 4 时，可以根据显存容量选择单卡或多卡。如果遇到复现结果不理想（如 IoU 低、可视化效果差），请首先排查环境问题（参考 CUDA\u002FcuDNN 版本要求），并确认是否成功下载了对应的预训练模型。官方曾提到部分用户因环境配置问题导致无法复现，因此严格遵循环境安装指南至关重要。",[]]