社区主导的计算机视觉社区课程 🤗

这是由社区主导的计算机视觉课程的仓库。来自 Hugging Face 计算机视觉社区的 60 多位贡献者共同参与了本课程内容的编写。

课程目录

0. 欢迎
1. 基础知识
2. 卷积神经网络
3. 视觉 Transformer
4. 多模态模型
5. 生成模型
6. 基础计算机视觉任务
7. 视频与视频处理
8. 3D 视觉、场景渲染与重建
9. 模型优化
10. 合成数据生成
11. 零样本计算机视觉
12. 伦理与偏见
13. 展望

社区驱动

呈现在你面前的成果正如社区本身一样多元。通常的教育课程是由一小群人创作的，他们会尽量保持彼此的风格一致。而我们选择了不同的方式：在确定要包含哪些内容的大纲基础上，每位作者都可以自由选择自己的写作风格。社区的其他成员会对内容进行审阅，并提出批准或修改建议。

最终呈现的是一门真正独特的课程，也证明了强大的开源社区能够实现怎样的成就。

如果你想贡献内容或提出一些拼写错误/bug 修复，请前往 贡献指南。

如果你对 Hugging Face 计算机视觉社区感兴趣，请继续阅读 🔽

Hugging Face 计算机视觉社区

加入我们的 Discord 👾

加入 Hugging Face 的 Discord，领取 open-source 角色，并进入 #cv-community-project 频道参与课程讨论。你也可以查看 #computer-vision 频道，获取更多关于计算机视觉的通用讨论和问题。

贡献者

星标历史

computer-vision-course 快速上手指南

computer-vision-course 是由 Hugging Face 社区共同打造的计算机视觉开源课程，涵盖从基础理论到前沿模型（如 Vision Transformers、多模态模型、生成式模型等）的完整知识体系。本指南将帮助你快速开始学习。

环境准备

在开始之前，请确保你的开发环境满足以下要求：

• 操作系统：Windows, macOS 或 Linux
• Python 版本：推荐 Python 3.8 或更高版本
• 前置依赖：
  • pip (Python 包管理工具)
  • git (用于克隆仓库)
  • 建议创建独立的虚拟环境（如 venv 或 conda）以避免依赖冲突

安装步骤

1. 克隆项目仓库 打开终端，运行以下命令获取课程代码：

   git clone https://github.com/huggingface/computer-vision-course.git
   cd computer-vision-course
   

2. 安装依赖库 进入项目目录后，安装课程所需的 Python 库。

   默认安装（使用官方源）：

   pip install -r requirements.txt
   

   国内加速方案（推荐中国开发者使用）： 如果下载速度较慢，可使用清华或阿里镜像源加速安装：

   pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple
   

   (注：具体依赖文件请以仓库根目录下的 requirements.txt 为准，若各章节有独立依赖，请进入对应章节目录安装)

基本使用

本课程以 Jupyter Notebook 形式组织内容，按章节划分。

1. 启动学习服务 在项目根目录下启动 Jupyter Lab 或 Jupyter Notebook：

   jupyter lab
   

   或者：

   jupyter notebook
   

2. 选择课程内容 浏览器会自动打开界面。根据目录结构，进入对应的章节文件夹（例如 01_Fundamentals 或 02_Convolutional_Neural_Networks），点击 .ipynb 文件即可开始交互式学习。

3. 运行示例代码 打开任意笔记本书籍后，按顺序执行单元格（Cell）。课程包含了丰富的 Hugging Face transformers 和 datasets 库的使用示例，你可以直接修改代码参数进行实验。

   示例：加载一个预训练的视觉模型（具体代码视章节内容而定）

   from transformers import AutoModelForImageClassification, AutoFeatureExtractor
   
   model_name = "google/vit-base-patch16-224"
   feature_extractor = AutoFeatureExtractor.from_pretrained(model_name)
   model = AutoModelForImageClassification.from_pretrained(model_name)
   

4. 参与社区讨论 学习过程中遇到问题，可加入 Hugging Face Discord 社区的 #cv-community-project 或 #computer-vision 频道进行交流。