[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-jasmcaus--caer":3,"tool-jasmcaus--caer":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",149489,2,"2026-04-10T11:32:46",[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。",108322,"2026-04-10T11:39:34",[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":72,"owner_website":77,"owner_url":78,"languages":79,"stars":92,"forks":93,"last_commit_at":94,"license":95,"difficulty_score":96,"env_os":97,"env_gpu":98,"env_ram":97,"env_deps":99,"category_tags":103,"github_topics":106,"view_count":32,"oss_zip_url":76,"oss_zip_packed_at":76,"status":17,"created_at":126,"updated_at":127,"faqs":128,"releases":159},6263,"jasmcaus\u002Fcaer","caer","High-performance Vision library in Python. Scale your research, not boilerplate. ","Caer 是一款专为高性能 AI 研究打造的轻量级 Python 计算机视觉库。它的核心理念是“扩展你的研究，而非样板代码”，旨在通过高度抽象的接口，帮助开发者摆脱繁琐的基础代码编写，从而更专注于深度学习模型的原型设计与创新想法的快速验证。\n\n在传统工作流中，研究人员往往需要花费大量时间处理图像预处理、色彩空间转换或视频读取等重复性工作。Caer 有效解决了这一痛点，它不仅提供了包括图像增强、数据加载及路径管理在内的全套工具链，更独特的亮点在于其原生支持 GPU 加速。这使得 Caer 能够作为 OpenCV 的高效替代方案，在处理大规模视觉任务时显著提升运行速度。\n\n凭借优雅且经过类型检查的 API 设计，Caer 极易上手并能与其他主流框架无缝协作。它非常适合深度学习领域的学生、科研人员、技术爱好者以及希望提升实验效率的资深专家使用。无论你是需要构建快速原型，还是进行高强度的视觉算法研究，Caer 都能提供一个灵活、直观且充满乐趣的开发环境，让计算机视觉探索变得更加简单高效。","\u003Cdiv align=\"center\">\n\u003C!-- ![Caer Logo](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fjasmcaus_caer_readme_0cc2144b0503.png) -->\n\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fjasmcaus_caer_readme_0cc2144b0503.png\" alt=\"Caer Logo\" \u002F >\n\n---\n\n[![Python](https:\u002F\u002Fimg.shields.io\u002Fpypi\u002Fpyversions\u002Fcaer.svg)][py-versions]\n[![PyPI](https:\u002F\u002Fbadge.fury.io\u002Fpy\u002Fcaer.svg)][pypi-latest-version]\n[![Twitter](https:\u002F\u002Fimg.shields.io\u002Ftwitter\u002Ffollow\u002Fjasmcaus.svg?style=flatl&label=Follow&logo=twitter&logoColor=white&color=1da1f2)][twitter-badge]\n[![Downloads](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fjasmcaus_caer_readme_150dfe653354.png)][downloads]\n[![ReadTheDocs](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fjasmcaus_caer_readme_b1821ab427ad.png)][docs]\n[![license](https:\u002F\u002Fimg.shields.io\u002Fgithub\u002Flicense\u002Fjasmcaus\u002Fcaer?label=license)][license]\n\n\u003C\u002Fdiv>\n\n# Caer - Modern Computer Vision on the Fly\n\nCaer is a _lightweight, high-performance_ Vision library for high-performance AI research. We wrote this framework to simplify your approach towards Computer Vision by abstracting away unnecessary boilerplate code giving you the **flexibility** to quickly prototype deep learning models and research ideas. The end result is a library quite different in its design, that’s easy to understand, plays well with others, and is a lot of fun to use.\n\nOur elegant, _type-checked_ API and design philosophy makes Caer ideal for students, researchers, hobbyists and even experts in the fields of Deep Learning and Computer Vision.\n\n## Overview\n\nCaer is a Python library that consists of the following components:\n\n| Component                                                                                 | Description                                                                            |\n| ----------------------------------------------------------------------------------------- | -------------------------------------------------------------------------------------- |\n| [**caer**](https:\u002F\u002Fgithub.com\u002Fjasmcaus\u002Fcaer\u002F)                                             | A lightweight GPU-accelerated Computer Vision library for high-performance AI research |\n| [**caer.color**](https:\u002F\u002Fgithub.com\u002Fjasmcaus\u002Fcaer\u002Ftree\u002Fmaster\u002Fcaer\u002Fcolor)                 | Colorspace operations                                                                  |\n| [**caer.data**](https:\u002F\u002Fgithub.com\u002Fjasmcaus\u002Fcaer\u002Ftree\u002Fmaster\u002Fcaer\u002Fdata)                   | Standard high-quality test images and example data                                     |\n| [**caer.path**](https:\u002F\u002Fgithub.com\u002Fjasmcaus\u002Fcaer\u002Ftree\u002Fmaster\u002Fcaer\u002Fpath)                   | OS-specific path manipulations                                                         |\n| [**caer.preprocessing**](https:\u002F\u002Fgithub.com\u002Fjasmcaus\u002Fcaer\u002Ftree\u002Fmaster\u002Fcaer\u002Fpreprocessing) | Image preprocessing utilities.                                                         |\n| [**caer.transforms**](https:\u002F\u002Fgithub.com\u002Fjasmcaus\u002Fcaer\u002Ftree\u002Fmaster\u002Fcaer\u002Ftransforms)       | Powerful image transformations and augmentations                                       |\n| [**caer.video**](https:\u002F\u002Fgithub.com\u002Fjasmcaus\u002Fcaer\u002Ftree\u002Fmaster\u002Fcaer\u002Fvideo)                 | Video processing utilities                                                             |\n\n\u003C!-- | [**caer.utils**](https:\u002F\u002Fgithub.com\u002Fjasmcaus\u002Fcaer\u002Ftree\u002Fmaster\u002Fcaer\u002Futils) | Generic utilities  | -->\n\u003C!-- | [**caer.filters**](https:\u002F\u002Fgithub.com\u002Fjasmcaus\u002Fcaer\u002Ftree\u002Fmaster\u002Fcaer\u002Ffilters) | Sharpening, edge finding, rank filters, thresholding, etc | -->\n\nUsually, Caer is used either as:\n\n-   a replacement for OpenCV to use the power of GPUs.\n-   a Computer Vision research platform that provides maximum flexibility and speed.\n\n# Installation\n\nSee the Caer **[Installation][install]** guide for detailed installation instructions (including building from source).\n\nCurrently, `caer` supports releases of Python 3.6 onwards; Python 2 is not supported (nor recommended).\nTo install the current release:\n\n```shell\n$ pip install --upgrade caer\n```\n\n# Getting Started\n\n## Minimal Example\n\n```python\nimport caer\n\n# Load a standard 640x427 test image that ships out-of-the-box with caer\nsunrise = caer.data.sunrise(rgb=True)\n\n# Resize the image to 400x400 while MAINTAINING aspect ratio\nresized = caer.resize(sunrise, target_size=(400,400), preserve_aspect_ratio=True)\n```\n\n\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fjasmcaus_caer_readme_13895fbd3e40.png\" alt=\"caer.resize()\" \u002F>\n\nFor more examples, see the [Caer demos](https:\u002F\u002Fgithub.com\u002Fjasmcaus\u002Fcaer\u002Fblob\u002Fmaster\u002Fexamples\u002F) or [Read the documentation](http:\u002F\u002Fcaer.rtfd.io)\n\n# Resources\n\n-   [**PyPi**](https:\u002F\u002Fpypi.org\u002Fproject\u002Fcaer)\n-   [**Documentation**](https:\u002F\u002Fgithub.com\u002Fjasmcaus\u002Fcaer\u002Fblob\u002Fmaster\u002Fdocs\u002FREADME.md)\n-   [**Issue tracking**](https:\u002F\u002Fgithub.com\u002Fjasmcaus\u002Fcaer\u002Fissues)\n\n# Contributing\n\nWe appreciate all contributions, feedback and issues. If you plan to contribute new features, utility functions, or extensions to the core, please go through our [Contribution Guidelines][contributing].\n\nTo contribute, start working through the `caer` codebase, read the [Documentation][docs], navigate to the [Issues][issues] tab and start looking through interesting issues.\n\nCurrent contributors can be viewed either from the [Contributors][contributors] file or by using the `caer.__contributors__` command.\n\n# Asking for help\n\nIf you have any questions, please:\n\n1. [Read the docs](https:\u002F\u002Fcaer.rtfd.io\u002Fen\u002Flatest\u002F).\n2. [Look it up in our Github Discussions (or add a new question)](https:\u002F\u002Fgithub.com\u002Fjasmcaus\u002Fcaer\u002Fdiscussions).\n3. [Search through the issues](https:\u002F\u002Fgithub.com\u002Fjasmcaus\u002Fcaer\u002Fissues).\n\n# License\n\nCaer is open-source and released under the [MIT License](LICENSE).\n\n# BibTeX\n\nIf you want to cite the framework feel free to use this (but only if you loved it 😊):\n\n```bibtex\n@article{jasmcaus,\n  title={Caer},\n  author={Jason},\n  journal={GitHub. Note: https:\u002F\u002Fgithub.com\u002Fjasmcaus\u002Fcaer},\n  volume={2},\n  year={2020-2025}\n}\n```\n\n[contributing]: https:\u002F\u002Fgithub.com\u002Fjasmcaus\u002Fcaer\u002Fblob\u002Fmaster\u002F.github\u002FCONTRIBUTING.md\n[docs]: https:\u002F\u002Fcaer.rtfd.io\n[contributors]: https:\u002F\u002Fgithub.com\u002Fjasmcaus\u002Fcaer\u002Fblob\u002Fmaster\u002FCONTRIBUTORS\n[coc]: https:\u002F\u002Fgithub.com\u002Fjasmcaus\u002Fcaer\u002Fblob\u002Fmaster\u002FCODE_OF_CONDUCT.md\n[issues]: https:\u002F\u002Fgithub.com\u002Fjasmcaus\u002Fcaer\u002Fissues\n[install]: https:\u002F\u002Fgithub.com\u002Fjasmcaus\u002Fcaer\u002Fblob\u002Fmaster\u002FINSTALL.md\n[demos]: https:\u002F\u002Fgithub.com\u002Fjasmcaus\u002Fcaer\u002Fblob\u002Fmaster\u002Fexamples\u002F\n[twitter-badge]: https:\u002F\u002Ftwitter.com\u002Fjasmcaus\n[downloads]: https:\u002F\u002Fpepy.tech\u002Fproject\u002Fcaer\n[py-versions]: https:\u002F\u002Fpypi.org\u002Fproject\u002Fcaer\u002F\n[pypi-latest-version]: https:\u002F\u002Fpypi.org\u002Fproject\u002Fcaer\u002F\n[license]: https:\u002F\u002Fgithub.com\u002Fjasmcaus\u002Fcaer\u002Fblob\u002Fmaster\u002FLICENSE\n","\u003Cdiv align=\"center\">\n\u003C!-- ![Caer Logo](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fjasmcaus_caer_readme_0cc2144b0503.png) -->\n\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fjasmcaus_caer_readme_0cc2144b0503.png\" alt=\"Caer Logo\" \u002F >\n\n---\n\n[![Python](https:\u002F\u002Fimg.shields.io\u002Fpypi\u002Fpyversions\u002Fcaer.svg)][py-versions]\n[![PyPI](https:\u002F\u002Fbadge.fury.io\u002Fpy\u002Fcaer.svg)][pypi-latest-version]\n[![Twitter](https:\u002F\u002Fimg.shields.io\u002Ftwitter\u002Ffollow\u002Fjasmcaus.svg?style=flatl&label=Follow&logo=twitter&logoColor=white&color=1da1f2)][twitter-badge]\n[![Downloads](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fjasmcaus_caer_readme_150dfe653354.png)][downloads]\n[![ReadTheDocs](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fjasmcaus_caer_readme_b1821ab427ad.png)][docs]\n[![license](https:\u002F\u002Fimg.shields.io\u002Fgithub\u002Flicense\u002Fjasmcaus\u002Fcaer?label=license)][license]\n\n\u003C\u002Fdiv>\n\n# Caer - 即时现代计算机视觉\n\nCaer 是一个_轻量级、高性能_的视觉库，专为高效的人工智能研究而设计。我们开发这个框架的目的是简化你在计算机视觉领域的实践方式，通过抽象掉不必要的样板代码，为你提供**灵活性**，以便快速原型化深度学习模型和研究想法。最终，我们打造了一个设计独特、易于理解、兼容性强且使用起来充满乐趣的库。\n\nCaer 拥有优雅的_类型检查_API 和独特的设计理念，非常适合深度学习与计算机视觉领域的学生、研究人员、爱好者，甚至是专家。\n\n## 概述\n\nCaer 是一个 Python 库，包含以下组件：\n\n| 组件                                                                                 | 描述                                                                            |\n| ----------------------------------------------------------------------------------------- | -------------------------------------------------------------------------------------- |\n| [**caer**](https:\u002F\u002Fgithub.com\u002Fjasmcaus\u002Fcaer\u002F)                                             | 一个轻量级的 GPU 加速计算机视觉库，适用于高性能 AI 研究                         |\n| [**caer.color**](https:\u002F\u002Fgithub.com\u002Fjasmcaus\u002Fcaer\u002Ftree\u002Fmaster\u002Fcaer\u002Fcolor)                 | 颜色空间操作                                                                  |\n| [**caer.data**](https:\u002F\u002Fgithub.com\u002Fjasmcaus\u002Fcaer\u002Ftree\u002Fmaster\u002Fcaer\u002Fdata)                   | 标准高质量测试图像和示例数据                                     |\n| [**caer.path**](https:\u002F\u002Fgithub.com\u002Fjasmcaus\u002Fcaer\u002Ftree\u002Fmaster\u002Fcaer\u002Fpath)                   | 操作系统特定的路径操作                                                         |\n| [**caer.preprocessing**](https:\u002F\u002Fgithub.com\u002Fjasmcaus\u002Fcaer\u002Ftree\u002Fmaster\u002Fcaer\u002Fpreprocessing) | 图像预处理工具。                                                         |\n| [**caer.transforms**](https:\u002F\u002Fgithub.com\u002Fjasmcaus\u002Fcaer\u002Ftree\u002Fmaster\u002Fcaer\u002Ftransforms)       | 强大的图像变换与增强                                                       |\n| [**caer.video**](https:\u002F\u002Fgithub.com\u002Fjasmcaus\u002Fcaer\u002Ftree\u002Fmaster\u002Fcaer\u002Fvideo)                 | 视频处理工具                                                             |\n\n\u003C!-- | [**caer.utils**](https:\u002F\u002Fgithub.com\u002Fjasmcaus\u002Fcaer\u002Ftree\u002Fmaster\u002Fcaer\u002Futils) | 通用工具  | -->\n\u003C!-- | [**caer.filters**](https:\u002F\u002Fgithub.com\u002Fjasmcaus\u002Fcaer\u002Ftree\u002Fmaster\u002Fcaer\u002Ffilters) | 锐化、边缘检测、排序滤波器、阈值分割等 | -->\n\n通常，Caer 可以用作：\n\n-   OpenCV 的替代品，以充分利用 GPU 的强大性能。\n-   一个提供最大灵活性和速度的计算机视觉研究平台。\n\n# 安装\n\n有关详细的安装说明（包括从源码构建），请参阅 Caer 的 **[安装][install]** 指南。\n\n目前，`caer` 支持 Python 3.6 及更高版本；不支持（也不推荐）Python 2。要安装当前版本：\n\n```shell\n$ pip install --upgrade caer\n```\n\n# 入门\n\n## 最小示例\n\n```python\nimport caer\n\n# 加载随 caer 一起提供的标准 640x427 测试图像\nsunrise = caer.data.sunrise(rgb=True)\n\n# 将图像调整为 400x400，同时保持宽高比\nresized = caer.resize(sunrise, target_size=(400,400), preserve_aspect_ratio=True)\n```\n\n\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fjasmcaus_caer_readme_13895fbd3e40.png\" alt=\"caer.resize()\" \u002F>\n\n更多示例，请参阅 [Caer 演示](https:\u002F\u002Fgithub.com\u002Fjasmcaus\u002Fcaer\u002Fblob\u002Fmaster\u002Fexamples\u002F) 或 [阅读文档](http:\u002F\u002Fcaer.rtfd.io)\n\n# 资源\n\n-   [**PyPi**](https:\u002F\u002Fpypi.org\u002Fproject\u002Fcaer)\n-   [**文档**](https:\u002F\u002Fgithub.com\u002Fjasmcaus\u002Fcaer\u002Fblob\u002Fmaster\u002Fdocs\u002FREADME.md)\n-   [**问题跟踪**](https:\u002F\u002Fgithub.com\u002Fjasmcaus\u002Fcaer\u002Fissues)\n\n# 贡献\n\n我们欢迎所有贡献、反馈和问题。如果你计划为核心添加新功能、实用工具或扩展，请先阅读我们的 [贡献指南][contributing]。\n\n要参与贡献，可以从 `caer` 的代码库开始，阅读 [文档][docs]，前往 [问题](https:\u002F\u002Fgithub.com\u002Fjasmcaus\u002Fcaer\u002Fissues) 选项卡，浏览有趣的议题。\n\n当前的贡献者可以在 [贡献者列表][contributors] 文件中查看，也可以使用 `caer.__contributors__` 命令获取。\n\n# 寻求帮助\n\n如果你有任何疑问，请：\n\n1. [阅读文档](https:\u002F\u002Fcaer.rtfd.io\u002Fen\u002Flatest\u002F)。\n2. [在我们的 GitHub 讨论区查找答案（或提出新问题）](https:\u002F\u002Fgithub.com\u002Fjasmcaus\u002Fcaer\u002Fdiscussions)。\n3. [搜索问题](https:\u002F\u002Fgithub.com\u002Fjasmcaus\u002Fcaer\u002Fissues)。\n\n# 许可证\n\nCaer 是开源项目，采用 [MIT 许可证](LICENSE) 发布。\n\n# BibTeX\n\n如果你想引用该框架，可以使用以下格式（但仅限于你非常喜欢它 😊）：\n\n```bibtex\n@article{jasmcaus,\n  title={Caer},\n  author={Jason},\n  journal={GitHub. Note: https:\u002F\u002Fgithub.com\u002Fjasmcaus\u002Fcaer},\n  volume={2},\n  year={2020-2025}\n}\n```\n\n[contributing]: https:\u002F\u002Fgithub.com\u002Fjasmcaus\u002Fcaer\u002Fblob\u002Fmaster\u002F.github\u002FCONTRIBUTING.md\n[docs]: https:\u002F\u002Fcaer.rtfd.io\n[contributors]: https:\u002F\u002Fgithub.com\u002Fjasmcaus\u002Fcaer\u002Fblob\u002Fmaster\u002FCONTRIBUTORS\n[coc]: https:\u002F\u002Fgithub.com\u002Fjasmcaus\u002Fcaer\u002Fblob\u002Fmaster\u002FCODE_OF_CONDUCT.md\n[issues]: https:\u002F\u002Fgithub.com\u002Fjasmcaus\u002Fcaer\u002Fissues\n[install]: https:\u002F\u002Fgithub.com\u002Fjasmcaus\u002Fcaer\u002Fblob\u002Fmaster\u002FINSTALL.md\n[demos]: https:\u002F\u002Fgithub.com\u002Fjasmcaus\u002Fcaer\u002Fblob\u002Fmaster\u002Fexamples\u002F\n[twitter-badge]: https:\u002F\u002Ftwitter.com\u002Fjasmcaus\n[downloads]: https:\u002F\u002Fpepy.tech\u002Fproject\u002Fcaer\n[py-versions]: https:\u002F\u002Fpypi.org\u002Fproject\u002Fcaer\u002F\n[pypi-latest-version]: https:\u002F\u002Fpypi.org\u002Fproject\u002Fcaer\u002F\n[license]: https:\u002F\u002Fgithub.com\u002Fjasmcaus\u002Fcaer\u002Fblob\u002Fmaster\u002FLICENSE","# Caer 快速上手指南\n\nCaer 是一个轻量级、高性能的计算机视觉库，专为加速 AI 研究和原型设计而生。它通过抽象繁琐的样板代码，提供类型检查的优雅 API，并支持 GPU 加速，是 OpenCV 的高效替代方案。\n\n## 环境准备\n\n- **操作系统**：支持 Linux、macOS 和 Windows。\n- **Python 版本**：Python 3.6 及以上（不支持 Python 2）。\n- **硬件要求**：可选配 NVIDIA GPU 以启用 GPU 加速功能。\n- **前置依赖**：无需手动安装复杂依赖，`pip` 安装时会自动处理。\n\n## 安装步骤\n\n使用 pip 安装最新稳定版：\n\n```shell\npip install --upgrade caer\n```\n\n> **提示**：国内开发者若下载缓慢，可使用清华或阿里云镜像源加速安装：\n> ```shell\n> pip install --upgrade caer -i https:\u002F\u002Fpypi.tuna.tsinghua.edu.cn\u002Fsimple\n> ```\n\n如需从源码构建或查看详细安装说明，请参考官方 [Installation Guide](https:\u002F\u002Fgithub.com\u002Fjasmcaus\u002Fcaer\u002Fblob\u002Fmaster\u002FINSTALL.md)。\n\n## 基本使用\n\n以下是最小化示例，展示如何加载内置测试图片并进行保持宽高比的缩放：\n\n```python\nimport caer\n\n# 加载 Caer 自带的标准测试图片 (640x427)\nsunrise = caer.data.sunrise(rgb=True)\n\n# 将图片缩放至 400x400，同时保持原始宽高比\nresized = caer.resize(sunrise, target_size=(400,400), preserve_aspect_ratio=True)\n```\n\n更多高级用法（如颜色空间转换、视频处理、数据增强等）请查阅 [官方文档](https:\u002F\u002Fcaer.rtfd.io) 或浏览 [示例代码库](https:\u002F\u002Fgithub.com\u002Fjasmcaus\u002Fcaer\u002Fblob\u002Fmaster\u002Fexamples\u002F)。","某计算机视觉研究员正在开发一套基于深度学习的实时交通违章检测系统，需要快速验证不同图像增强算法对模型精度的影响。\n\n### 没有 caer 时\n- 必须手动编写大量 OpenCV 样板代码来处理视频流读取、帧格式转换及色彩空间调整，导致原型开发周期长达数天。\n- 传统 CPU 图像处理速度成为瓶颈，难以在高分辨率视频下实现实时预览，严重拖慢调试效率。\n- 数据增强流程繁琐，每次尝试新的几何变换或噪声添加都需要重新组合多个底层函数，代码可读性差且易出错。\n- 跨平台路径处理混乱，在不同操作系统间迁移项目时经常因文件路径格式问题导致代码崩溃。\n- 缺乏统一的高性能接口，研究人员需花费大量精力优化底层逻辑而非专注于核心算法研究。\n\n### 使用 caer 后\n- 利用 caer.video 和 caer.color 模块，仅需几行代码即可实现 GPU 加速的视频流读取与色彩空间即时转换，原型搭建缩短至几小时。\n- 依托底层 GPU 加速能力，即使在 4K 分辨率下也能流畅运行实时预处理管道，大幅提升了实验迭代速度。\n- 通过 caer.transforms 提供的声明式 API，研究人员可以像搭积木一样灵活组合复杂的图像增强策略，代码简洁且易于维护。\n- 内置的 caer.path 组件自动屏蔽操作系统差异，确保项目在 Linux 服务器与 Windows 工作站之间无缝迁移。\n- 高度抽象的设计让研究者从繁琐的工程细节中解放出来，将全部精力聚焦于模型架构创新与参数调优。\n\ncaer 通过消除冗余的底层样板代码并提供原生 GPU 加速，让视觉研究真正实现了“扩展研究思路，而非扩展样板代码”。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fjasmcaus_caer_13895fbd.png","jasmcaus","Jason","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002Fjasmcaus_2d0a7688.jpg","Compiler warlock; prev AI research @harvard",null,"https:\u002F\u002Fjasmca.us","https:\u002F\u002Fgithub.com\u002Fjasmcaus",[80,84,88],{"name":81,"color":82,"percentage":83},"Python","#3572A5",99.2,{"name":85,"color":86,"percentage":87},"Shell","#89e051",0.5,{"name":89,"color":90,"percentage":91},"Makefile","#427819",0.3,810,108,"2026-04-02T08:40:19","MIT",1,"未说明","支持 GPU 加速（作为 OpenCV 的替代方案），但具体的显卡型号、显存大小及 CUDA 版本要求在 README 中未明确说明",{"notes":100,"python":101,"dependencies":102},"该库旨在作为 OpenCV 的轻量级替代品以利用 GPU 能力。不支持 Python 2。详细的安装说明（包括从源代码构建）需参考专门的安装指南文档。","3.6+",[97],[13,104,105,15,14,16],"其他","视频",[107,108,109,110,111,112,113,114,115,116,117,64,118,119,120,121,122,123,124,125],"python","vision","artificial-intelligence","machine-learning","neural-network","deep-learning","gpu","ai","data-science","image-processing","video-processing","augmentation","computer-vision","opencv","cuda","type-checking","segmentation","image-classification","image-segmentation","2026-03-27T02:49:30.150509","2026-04-10T20:32:49.650515",[129,134,139,144,149,154],{"id":130,"question_zh":131,"answer_zh":132,"source_url":133},28334,"调用 `caer.preprocess_from_dir` 时出现错误：'ValueError: verbose flag must be either 1 or 0'，如何解决？","这是一个已知问题，维护者已在新版本中修复。请将 caer 升级到版本 `2.0.1` 或更高版本。升级命令：`pip install --upgrade caer`。升级后该错误应不再出现。","https:\u002F\u002Fgithub.com\u002Fjasmcaus\u002Fcaer\u002Fissues\u002F69",{"id":135,"question_zh":136,"answer_zh":137,"source_url":138},28335,"导入 caer 时出现 'ModuleNotFoundError: No module named cv2.cv2' 错误怎么办？","该错误通常由 OpenCV 或其依赖库安装损坏引起，并非 caer 特有。解决方法是卸载相关包并重新安装。具体步骤：先卸载 numpy, scipy, matplotlib, scikit-learn, jupyter 和 opencv-python，然后重新安装它们。命令示例：`pip uninstall numpy scipy matplotlib scikit-learn jupyter opencv-python`  followed by `pip install numpy scipy matplotlib scikit-learn jupyter opencv-python`。","https:\u002F\u002Fgithub.com\u002Fjasmcaus\u002Fcaer\u002Fissues\u002F11",{"id":140,"question_zh":141,"answer_zh":142,"source_url":143},28336,"使用 `caer.preprocess_from_dir` 处理图像文件夹时，程序只处理了部分图像就崩溃并报错 'TypeError: NoneType object is not iterable'，如何解决？","该问题是由于旧版本中的 bug 导致的。维护者确认在后续版本中已修复。请确保将 caer 升级到最新版本（至少 v1.9.3 以上）。升级命令：`pip install --upgrade caer`。升级后重新运行代码即可解决。","https:\u002F\u002Fgithub.com\u002Fjasmcaus\u002Fcaer\u002Fissues\u002F5",{"id":145,"question_zh":146,"answer_zh":147,"source_url":148},28337,"升级 caer 到 2.0.1 后，调用 `caer.normalize` 出现 'AttributeError: module caer has no attribute normalize' 错误，如何处理？","这是由于版本更新导致 API 变动引起的。维护者已在版本 `v2.0.2` 中修复了此兼容性问题。请将 caer 升级到 `2.0.2` 或更高版本。升级命令：`pip install --upgrade caer`。","https:\u002F\u002Fgithub.com\u002Fjasmcaus\u002Fcaer\u002Fissues\u002F70",{"id":150,"question_zh":151,"answer_zh":152,"source_url":153},28338,"如何为 caer 项目贡献代码，例如添加类型注解或新功能？","项目欢迎外部贡献。对于添加类型注解、支持新颜色空间（如 LUV、YUV）等任务，可以直接提交 Pull Request (PR)。贡献前可查看标记为 'good first issue' 或 'help wanted' 的 Issue。提交 PR 的地址是：https:\u002F\u002Fgithub.com\u002Fjasmcaus\u002Fcaer\u002Fpulls。","https:\u002F\u002Fgithub.com\u002Fjasmcaus\u002Fcaer\u002Fissues\u002F19",{"id":155,"question_zh":156,"answer_zh":157,"source_url":158},28339,"caer.color 模块的文档字符串（docstrings）是否需要更新？","目前项目并不强制要求文档字符串，但部分函数需要添加类型注解（参考 Issue #19）。如果你希望贡献，可以提交包含类型注解的 PR。维护者表示会持续进行更新，用户也可以协助查找可能的 bug。","https:\u002F\u002Fgithub.com\u002Fjasmcaus\u002Fcaer\u002Fissues\u002F13",[160,164,169,173,178,183,188,193,197,202,206,211,215],{"id":161,"version":162,"summary_zh":76,"released_at":163},189245,"v2.0.3","2021-10-06T07:29:20",{"id":165,"version":166,"summary_zh":167,"released_at":168},189246,"v2.0.0","发布v2！","2021-10-03T06:48:08",{"id":170,"version":171,"summary_zh":76,"released_at":172},189247,"v1.9.9","2021-10-01T17:37:52",{"id":174,"version":175,"summary_zh":176,"released_at":177},189248,"v1.9.7","性能提升：强制使用 `caer.Tensor`，并在 `caer.transforms` 中采用强大的变换函数（速度优于 `torchvision`）。","2021-01-23T10:10:20",{"id":179,"version":180,"summary_zh":181,"released_at":182},189249,"v1.9.4","性能提升与错误修复 + 新功能！","2020-12-09T06:54:27",{"id":184,"version":185,"summary_zh":186,"released_at":187},189250,"v1.9.3","补丁改进","2020-11-20T16:17:30",{"id":189,"version":190,"summary_zh":191,"released_at":192},189251,"v1.8.3","性能优化和错误修复","2020-11-17T04:10:20",{"id":194,"version":195,"summary_zh":191,"released_at":196},189252,"v1.8.0","2020-11-11T13:46:09",{"id":198,"version":199,"summary_zh":200,"released_at":201},189253,"v1.7.9","性能提升、错误修复等等！","2020-11-04T05:15:09",{"id":203,"version":204,"summary_zh":200,"released_at":205},189254,"v1.7.8","2020-10-28T14:24:05",{"id":207,"version":208,"summary_zh":209,"released_at":210},189255,"v1.7.7","欢迎使用 `caer` Vantablack 版。本次发布对库进行了全新和优化的更新，其中包括性能提升。","2020-10-19T12:13:29",{"id":212,"version":213,"summary_zh":76,"released_at":214},189256,"v1.5.4","2020-09-15T09:44:20",{"id":216,"version":217,"summary_zh":218,"released_at":219},189257,"v1.0","欢迎来到 `Caer Alpha`！\r\n\r\nCaer 是一个基于 Python 的计算机视觉库，提供了强大的图像处理功能，同时还支持使用 Keras 框架构建的深度学习模型。","2020-08-13T18:11:49"]