nips2017

GitHub
887 192 非常简单 1 次阅读 8个月前开发框架
AI 解读 由 AI 自动生成，仅供参考

nips2017 是一个专为 2017 年神经信息处理系统大会（NIPS）打造的开源资源汇总库。鉴于该年度会议规模空前，演讲、教程和研讨会内容极其丰富但分散，nips2017 致力于解决参会者与研究者难以系统性获取完整会议资料（如幻灯片、视频回放及代码实现）的痛点。它将原本零散的信息整合为结构清晰的清单，涵盖了所有特邀演讲、前沿教程及专题研讨会的具体链接。

该项目特别适合人工智能领域的研究人员、开发者以及希望深入理解行业趋势的学生使用。无论是想回顾 John Platt 关于未来百年发展的宏观展望，还是钻研深度学习在机器人领域的应用细节，亦或是学习最优传输、公平性机器学习等硬核技术教程，用户都能在此快速定位所需资源。其独特的技术亮点在于不仅提供了视频链接，还尽可能收录了演讲者的原始幻灯片与相关代码仓库，极大地降低了复现算法和学习前沿理论的时间成本。作为一个由社区共同维护的开放项目，nips2017 以友好的协作方式，成为了连接全球 AI 学者与宝贵知识资产的桥梁，帮助用户高效汲取顶级学术会议的精华。

使用场景

某高校 AI 实验室的研究生团队正筹备关于“机器学习公平性”与“几何深度学习”的综述报告，急需获取 2017 年顶级会议的一手演讲资料。

没有 nips2017 时

  • 研究人员需在 YouTube、Google Drive 及个人主页间反复跳转搜索，耗费数小时才能凑齐 Solon Barocas 或 Michael Bronstein 等专家的零散幻灯片。
  • 难以确认视频链接是否失效或缺失代码资源，导致复现教程中的算法时因缺少关键实现细节而受阻。
  • 无法系统性浏览当年所有 Invited Talks 和 Workshops 的全貌，极易遗漏如 Kate Crawford 关于“偏见”的重要观点，造成文献调研不完整。
  • 缺乏统一的索引目录，团队成员间共享资料时需手动整理冗长的 URL 列表，协作效率低下且容易出错。

使用 nips2017 后

  • 团队直接在仓库的"Tutorials"章节一键获取“机器学习公平性”和“图上的几何深度学习”等专题的幻灯片、高清视频及配套代码链接。
  • 每个条目均经过验证，明确标注了资源状态（如 Slides·Video·Code），确保下载的资料完整可用，加速了算法复现进程。
  • 通过清晰的分类目录（Invited Talks/Workshops 等），快速定位到 John Platt 或 Pieter Abbeel 等大咖的主题演讲，构建了完整的知识图谱。
  • 利用现成的结构化清单，成员可立即将标准化链接同步至内部文档，大幅减少了资料搜集与整理的时间成本。

nips2017 将分散的顶级会议资源聚合为统一的知识库，让科研人员从繁琐的“找资料”转变为高效的“用资料”。

运行环境要求

GPU

未说明

内存

未说明

依赖
notes该仓库并非可执行的 AI 软件工具，而是 NIPS 2017 会议的演讲、教程和研讨会资源（幻灯片、视频链接）汇总列表。因此，它不需要特定的操作系统、GPU、内存、Python 版本或依赖库即可‘运行’。用户只需通过浏览器访问 README 中提供的链接即可查看相关内容。
python未说明
nips2017 hero image

快速开始

NIPS 2017

今年在加州长滩会议中心举行的神经信息处理系统大会（NIPS）2017，规模空前！以下是所有特邀报告、教程和研讨会的资源及幻灯片列表。

欢迎大家贡献内容。您可以通过提交拉取请求添加链接，或者创建一个议题，告诉我有哪些遗漏的内容，或发起讨论。如果您认识演讲者，请鼓励他们将幻灯片上传到网上！

请查看 Deep Hunt——为本仓库专门制作的精选每月人工智能简报，以博客文章形式呈现，并在Twitter上关注我。

目录

特邀报告

  • 驱动未来一百年

    John Platt

    幻灯片 · 视频 · 代码

  • 为什么AI能让人类基因组重编程成为可能

    Brendan J Frey

    视频

  • 偏见的困境

    Kate Crawford

    视频

  • 结构的不合理有效性

    Lise Getoor

    幻灯片 · 视频

  • 机器人领域的深度学习

    Pieter Abbeel

    幻灯片 · 视频 · 代码

  • 学习状态表示

    Yael Niv

    视频

  • 关于贝叶斯深度学习与深度贝叶斯学习

    Yee Whye Teh

    视频

教程

  • 深度学习：实践与趋势

    Nando de Freitas · Scott Reed · Oriol Vinyals

    幻灯片 · 视频 · 代码

  • 与人一起进行强化学习

    Emma Brunskill

    幻灯片 · 视频 · 代码

  • 最优传输入门

    Marco Cuturi · Justin M Solomon

    幻灯片 · 视频 · 代码

  • 基于高斯过程的深度概率建模

    Neil D Lawrence

    幻灯片 · 视频 · 代码

  • 机器学习中的公平性

    Solon Barocas · Moritz Hardt

    幻灯片 · 视频 · 代码

  • 统计关系人工智能：逻辑、概率与计算

    Luc De Raedt · David Poole · Kristian Kersting · Sriraam Natarajan

    幻灯片 · 视频 · 代码

  • 利用概率程序、程序归纳与深度学习进行智能的工程化与逆向工程

    Josh Tenenbaum · Vikash K Mansinghka

    幻灯片 · 视频 · 代码

  • 差分隐私机器学习：理论、算法与应用

    Kamalika Chaudhuri · Anand D Sarwate

    幻灯片 · 视频 · 代码

  • 图与流形上的几何深度学习

    Michael Bronstein · Joan Bruna · arthur szlam · Xavier Bresson · Yann LeCun

    幻灯片 · 视频 · 代码 ​

研讨会

塞巴斯蒂安·里德尔

学术研讨会

  • 可解释的机器学习

    安德鲁·威尔逊 · 杰森·约辛斯基 · 帕特里斯·西马尔 · 里奇·卡鲁阿纳 · 威廉·赫兰兹

    • 因果关系在可解释性中的作用。

      伯恩哈德·朔尔科普夫

      幻灯片 · 视频

    • 大型图像数据集中的可解释发现

      基里·瓦格斯塔夫

      幻灯片 · 视频

    • 校准的（隐藏）代价。

      伯恩哈德·朔尔科普夫

      幻灯片 · 视频

    • 圆桌讨论

      汉娜·沃拉赫、基里·瓦格斯塔夫、苏奇·萨里亚、周博磊和扎克·利普顿。由里奇·卡鲁阿纳主持。

      视频

    • 人工智能安全中的可解释性

      维多利亚·克拉科夫娜

      幻灯片 · 视频

    • 操控与衡量模型可解释性。

      珍·沃特曼·沃恩

      幻灯片 · 视频

    • 调试机器学习流水线。

      杰里·朱

      幻灯片 · 视频

    • 圆桌辩论及后续讨论

      扬·勒丘恩、基利安·温伯格、帕特里斯·西马尔和里奇·卡鲁阿纳。

      视频

  • 深度强化学习

    皮特·阿贝尔 · 严端 · 戴维·西尔弗 · 萨廷德·辛格 · 奥俊赫 · 雷因·豪特霍夫

    • 用深度强化学习掌握游戏

      戴维·西尔弗

      视频

    • 深度强化学习及其他领域的可重复性

      乔埃尔·皮诺

      幻灯片 · 视频

    • 神经地图：深度 RL 的结构化记忆

      鲁斯兰·萨拉胡丁诺夫

      幻灯片

    • 通过随机化价值函数进行深度探索

      本·范·罗伊

      幻灯片 · 视频

    • 人工智能孤注一掷

      迈克尔·鲍林

  • 智能的种类：类型、测试与满足社会需求

    何塞·埃尔南德斯-奥拉略 · 祖宾·加拉马尼 · 托马索·A·波吉奥 · 阿德里安·韦勒 · 马修·克罗斯比

    • 开幕致辞

      幻灯片

    • 为什么心智会进化：真实景观中的导航进化

      露西亚·雅各布

      幻灯片 · 视频

    • 幼儿的独特智力：来自认知发展的 AI 洞见

      艾莉森·戈普尼克

      幻灯片

    • 从第一性原理学习

      德米斯·哈萨比斯

      幻灯片 · 视频

    • 智能的类型：为什么类人 AI 很重要

      乔什·特南鲍姆

    • 通往通用人工智能的道路

      盖瑞·马库斯

      幻灯片

    • 视频游戏与协作式 AI 的道路

      卡佳·霍夫曼

      幻灯片 · 视频

    • 公平的问题

      辛西娅·德沃克

      幻灯片

    • 国家、企业、思考机器：人工代理与人工智能

      大卫·伦西曼

      幻灯片 · 视频

    • 闭幕致辞

      幻灯片

WiML

  • 贝叶斯机器学习：大规模下的不确定性与鲁棒性量化

    塔玛拉·布罗德里克

    幻灯片 · 视频 · 代码

  • 面向区域守护任务的通信中心多智能体深度强化学习

    艾什瓦里娅·乌尼克里希南

    幻灯片 · 视频 · 代码

  • 图卷积网络可在基因组学深度学习模型中编码三维基因组结构

    佩顿·格林赛德

    幻灯片 · 视频 · 代码

  • 社会科学中的机器学习

    汉娜·沃拉奇

    幻灯片 · 视频 · 代码

  • 公平感知推荐系统

    帕拉克·阿加瓦尔

    幻灯片 · 视频 · 代码

  • 奖励通道受损时的强化学习

    维多利亚·克拉基夫纳

    幻灯片 · 视频 · 代码

  • 改善医疗保健：强化学习面临的挑战与机遇

    乔埃尔·皮诺

    幻灯片 · 视频 · 代码

  • 利用深度强化学习中的对抗攻击提升鲁棒性

    唐振毅

    幻灯片 · 视频 · 代码

  • 时间敏感型机器学习

    妮娜·米什拉

    幻灯片 · 视频 · 代码

  • 重复拍卖中叫价机制评估的一般框架

    霍达·海达里

    幻灯片 · 视频 · 代码

  • 调动专家智慧：基于狄利克雷过程的社会科学分歧性先验 elicitation 方法

    莎拉·布沙

    幻灯片 · 视频 · 代码

  • 大型属性图中的表示学习

    内斯琳·K·艾哈迈德

    幻灯片 · 视频 · 代码

常见问题

相似工具推荐

stable-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。 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。

★ 162.1k|★★★☆☆|今天
开发框架图像Agent

everything-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。 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。 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

★ 139k|★★☆☆☆|今天
开发框架Agent语言模型

ComfyUI

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。 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。 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。

★ 107.7k|★★☆☆☆|2天前
开发框架图像Agent

NextChat

NextChat 是一款轻量且极速的 AI 助手，旨在为用户提供流畅、跨平台的大模型交互体验。它完美解决了用户在多设备间切换时难以保持对话连续性，以及面对众多 AI 模型不知如何统一管理的痛点。无论是日常办公、学习辅助还是创意激发，NextChat 都能让用户随时随地通过网页、iOS、Android、Windows、MacOS 或 Linux 端无缝接入智能服务。 这款工具非常适合普通用户、学生、职场人士以及需要私有化部署的企业团队使用。对于开发者而言，它也提供了便捷的自托管方案，支持一键部署到 Vercel 或 Zeabur 等平台。 NextChat 的核心亮点在于其广泛的模型兼容性，原生支持 Claude、DeepSeek、GPT-4 及 Gemini Pro 等主流大模型，让用户在一个界面即可自由切换不同 AI 能力。此外，它还率先支持 MCP（Model Context Protocol）协议，增强了上下文处理能力。针对企业用户，NextChat 提供专业版解决方案，具备品牌定制、细粒度权限控制、内部知识库整合及安全审计等功能，满足公司对数据隐私和个性化管理的高标准要求。

★ 87.6k|★★☆☆☆|今天
开发框架语言模型

ML-For-Beginners

ML-For-Beginners 是由微软推出的一套系统化机器学习入门课程，旨在帮助零基础用户轻松掌握经典机器学习知识。这套课程将学习路径规划为 12 周，包含 26 节精炼课程和 52 道配套测验，内容涵盖从基础概念到实际应用的完整流程，有效解决了初学者面对庞大知识体系时无从下手、缺乏结构化指导的痛点。 无论是希望转型的开发者、需要补充算法背景的研究人员，还是对人工智能充满好奇的普通爱好者，都能从中受益。课程不仅提供了清晰的理论讲解，还强调动手实践，让用户在循序渐进中建立扎实的技能基础。其独特的亮点在于强大的多语言支持，通过自动化机制提供了包括简体中文在内的 50 多种语言版本，极大地降低了全球不同背景用户的学习门槛。此外，项目采用开源协作模式，社区活跃且内容持续更新，确保学习者能获取前沿且准确的技术资讯。如果你正寻找一条清晰、友好且专业的机器学习入门之路，ML-For-Beginners 将是理想的起点。

★ 85k|★★☆☆☆|今天
图像数据工具视频

ragflow

RAGFlow 是一款领先的开源检索增强生成（RAG）引擎，旨在为大语言模型构建更精准、可靠的上下文层。它巧妙地将前沿的 RAG 技术与智能体（Agent）能力相结合，不仅支持从各类文档中高效提取知识，还能让模型基于这些知识进行逻辑推理和任务执行。 在大模型应用中，幻觉问题和知识滞后是常见痛点。RAGFlow 通过深度解析复杂文档结构（如表格、图表及混合排版），显著提升了信息检索的准确度，从而有效减少模型“胡编乱造”的现象，确保回答既有据可依又具备时效性。其内置的智能体机制更进一步，使系统不仅能回答问题，还能自主规划步骤解决复杂问题。 这款工具特别适合开发者、企业技术团队以及 AI 研究人员使用。无论是希望快速搭建私有知识库问答系统，还是致力于探索大模型在垂直领域落地的创新者，都能从中受益。RAGFlow 提供了可视化的工作流编排界面和灵活的 API 接口，既降低了非算法背景用户的上手门槛，也满足了专业开发者对系统深度定制的需求。作为基于 Apache 2.0 协议开源的项目，它正成为连接通用大模型与行业专有知识之间的重要桥梁。

★ 77.1k|★★★☆☆|昨天
Agent图像开发框架