[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-kailashahirwar--cheatsheets-ai":3,"tool-kailashahirwar--cheatsheets-ai":64},[4,17,27,35,43,56],{"id":5,"name":6,"github_repo":7,"description_zh":8,"stars":9,"difficulty_score":10,"last_commit_at":11,"category_tags":12,"status":16},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。",162132,3,"2026-04-05T11:01:52",[13,14,15],"开发框架","图像","Agent","ready",{"id":18,"name":19,"github_repo":20,"description_zh":21,"stars":22,"difficulty_score":23,"last_commit_at":24,"category_tags":25,"status":16},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",138956,2,"2026-04-05T11:33:21",[13,15,26],"语言模型",{"id":28,"name":29,"github_repo":30,"description_zh":31,"stars":32,"difficulty_score":23,"last_commit_at":33,"category_tags":34,"status":16},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。",107662,"2026-04-03T11:11:01",[13,14,15],{"id":36,"name":37,"github_repo":38,"description_zh":39,"stars":40,"difficulty_score":23,"last_commit_at":41,"category_tags":42,"status":16},3704,"NextChat","ChatGPTNextWeb\u002FNextChat","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。\n\n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。\n\nNextChat 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。",87618,"2026-04-05T07:20:52",[13,26],{"id":44,"name":45,"github_repo":46,"description_zh":47,"stars":48,"difficulty_score":23,"last_commit_at":49,"category_tags":50,"status":16},2268,"ML-For-Beginners","microsoft\u002FML-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。\n\n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。",84991,"2026-04-05T10:45:23",[14,51,52,53,15,54,26,13,55],"数据工具","视频","插件","其他","音频",{"id":57,"name":58,"github_repo":59,"description_zh":60,"stars":61,"difficulty_score":10,"last_commit_at":62,"category_tags":63,"status":16},3128,"ragflow","infiniflow\u002Fragflow","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。\n\n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。\n\n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。",77062,"2026-04-04T04:44:48",[15,14,13,26,54],{"id":65,"github_repo":66,"name":67,"description_en":68,"description_zh":69,"ai_summary_zh":69,"readme_en":70,"readme_zh":71,"quickstart_zh":72,"use_case_zh":73,"hero_image_url":74,"owner_login":75,"owner_name":76,"owner_avatar_url":77,"owner_bio":78,"owner_company":79,"owner_location":80,"owner_email":81,"owner_twitter":82,"owner_website":83,"owner_url":84,"languages":81,"stars":85,"forks":86,"last_commit_at":87,"license":88,"difficulty_score":89,"env_os":90,"env_gpu":91,"env_ram":91,"env_deps":92,"category_tags":95,"github_topics":96,"view_count":23,"oss_zip_url":81,"oss_zip_packed_at":81,"status":16,"created_at":104,"updated_at":105,"faqs":106,"releases":142},3746,"kailashahirwar\u002Fcheatsheets-ai","cheatsheets-ai","Essential Cheat Sheets for deep learning and machine learning researchers https:\u002F\u002Fmedium.com\u002F@kailashahirwar\u002Fessential-cheat-sheets-for-machine-learning-and-deep-learning-researchers-efb6a8ebd2e5","cheatsheets-ai 是一个专为机器学习与深度学习领域打造的实用速查表合集，旨在帮助从业者快速掌握核心工具与算法。在人工智能开发中，面对 TensorFlow、PyTorch、Pandas 等繁多框架及复杂的数学公式，开发者常需花费大量时间查阅文档或记忆语法。cheatsheets-ai 通过将关键代码片段、常用函数、神经网络架构图解以及数据可视化指令浓缩为直观的图表和单页文档，有效解决了“记不住、查得慢”的痛点，让使用者能随时对照参考，显著提升编码效率。\n\n该资源非常适合 AI 工程师、数据科学家、算法研究人员以及相关专业的学生使用。无论是日常模型构建、数据清洗，还是进行学术研究，都能从中找到得力助手。其独特亮点在于内容覆盖极广，不仅包含 Python 生态主流库（如 NumPy、Scikit-learn、Keras）的操作指南，还收录了 R 语言数据处理技巧、分布式计算框架 PySpark 以及各类神经网络单元与拓扑结构的可视化图谱。所有资料均以高清图片或 PDF 形式呈现，结构清晰、重点突出，是案头必备的高效学习与实践参考资料。","# AI Cheatsheets\n\nEssential Cheat Sheets for deep learning and machine learning engineers\n\nWebsite: https:\u002F\u002Faicheatsheets.com\n\n\u003Cp align=\"center\">\n  \u003Cimg width=\"50%\" height=\"auto\" src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fkailashahirwar_cheatsheets-ai_readme_624f8e5b357a.png\">\n\u003C\u002Fp>\n\u003Cp align=\"center\">\nLooking for a new job? Take Triplebyte’s \u003Ca href=\"https:\u002F\u002Ftriplebyte.com\u002Fa\u002FZYAvvEc\u002Fd\">quiz\u003C\u002Fa> and get a job at top companies like Adobe, Dropbox and Instacart!\n\u003C\u002Fp>\n\n![website-1](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fkailashahirwar_cheatsheets-ai_readme_1ec2638cbcfc.png)\n\n![website-2](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fkailashahirwar_cheatsheets-ai_readme_1dd2237ee037.png)\n\n![tensorflow-1](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fkailashahirwar_cheatsheets-ai_readme_36f6bb271711.png)\n\nMedium Article: https:\u002F\u002Fmedium.com\u002F@kailashahirwar\u002Fessential-cheat-sheets-for-machine-learning-and-deep-learning-researchers-efb6a8ebd2e5\n\n![medium-article](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fkailashahirwar_cheatsheets-ai_readme_34193f59b91b.png)\n\nReddit Thread: https:\u002F\u002Fwww.reddit.com\u002Fr\u002FPython\u002Fcomments\u002Fcyslju\u002Fai_cheatsheets_now_learn_tensorflow_keras_pytorch\u002F?utm_source=share&utm_medium=web2x\n\n![reddit-post](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fkailashahirwar_cheatsheets-ai_readme_dfa96d6744de.png)\n  \n    \n  - [**Tensorflow**](https:\u002F\u002Fgithub.com\u002Fkailashahirwar\u002Fcheatsheets-ai\u002Fblob\u002Fmaster\u002FPDFs\u002FTensorflow.pdf)\u003Cbr>\n  - [**Keras**](https:\u002F\u002Fgithub.com\u002Fkailashahirwar\u002Fcheatsheets-ai\u002Fblob\u002Fmaster\u002FKeras.jpg)\u003Cbr>\n  - [**Neural Networks Zoo**](https:\u002F\u002Fgithub.com\u002Fkailashahirwar\u002Fcheatsheets-ai\u002Fblob\u002Fmaster\u002FNeural%20Networks%20Zoo.png)\u003Cbr>\n  - [**Numpy**](https:\u002F\u002Fgithub.com\u002Fkailashahirwar\u002Fcheatsheets-ai\u002Fblob\u002Fmaster\u002FNumpy.png)\u003Cbr>\n  - [**Scipy**](https:\u002F\u002Fgithub.com\u002Fkailashahirwar\u002Fcheatsheets-ai\u002Fblob\u002Fmaster\u002FScipy.png)\u003Cbr>\n  - [**Pandas-1**](https:\u002F\u002Fgithub.com\u002Fkailashahirwar\u002Fcheatsheets-ai\u002Fblob\u002Fmaster\u002FPandas-1.jpg)\u003Cbr>\n  - [**Pandas-2**](https:\u002F\u002Fgithub.com\u002Fkailashahirwar\u002Fcheatsheets-ai\u002Fblob\u002Fmaster\u002FPandas-2.jpg)\u003Cbr>\n  - [**Pandas-3**](https:\u002F\u002Fgithub.com\u002Fkailashahirwar\u002Fcheatsheets-ai\u002Fblob\u002Fmaster\u002FPandas-3.png)\u003Cbr>\n  - [**Scikit-learn**](https:\u002F\u002Fgithub.com\u002Fkailashahirwar\u002Fcheatsheets-ai\u002Fblob\u002Fmaster\u002FScikit%20Learn.png)\u003Cbr>\n  - [**Matplotlib**](https:\u002F\u002Fgithub.com\u002Fkailashahirwar\u002Fcheatsheets-ai\u002Fblob\u002Fmaster\u002FMatplotlib.png)\u003Cbr>\n  - [**Seaborn**](https:\u002F\u002Fgithub.com\u002Fkailashahirwar\u002Fcheatsheets-ai\u002Fblob\u002Fmaster\u002Fseaborn.png)\u003Cbr>\n  - [**ggplot2-1**](https:\u002F\u002Fgithub.com\u002Fkailashahirwar\u002Fcheatsheets-ai\u002Fblob\u002Fmaster\u002Fggplot2-1.jpg)\u003Cbr>\n  - [**ggplot2-2**](https:\u002F\u002Fgithub.com\u002Fkailashahirwar\u002Fcheatsheets-ai\u002Fblob\u002Fmaster\u002Fggplot2-2.jpg)\u003Cbr>\n  - [**PySpark**](https:\u002F\u002Fgithub.com\u002Fkailashahirwar\u002Fcheatsheets-ai\u002Fblob\u002Fmaster\u002FPySpark.jpg)\u003Cbr>\n  - [**PySpark-RDD**](https:\u002F\u002Fgithub.com\u002Fkailashahirwar\u002Fcheatsheets-ai\u002Fblob\u002Fmaster\u002FPySpark-RDD.png)\u003Cbr>\n  - [**PySpark-SQL**](https:\u002F\u002Fgithub.com\u002Fkailashahirwar\u002Fcheatsheets-ai\u002Fblob\u002Fmaster\u002FPySpark-SQL.png)\u003Cbr>\n  - [**R Studio(dplyr & tidyr)-1**](https:\u002F\u002Fgithub.com\u002Fkailashahirwar\u002Fcheatsheets-ai\u002Fblob\u002Fmaster\u002FData%20Wrangling%20with%20dplyr%20and%20tidyr%20-%20R%20Studio-1.jpg)\u003Cbr>\n  - [**R Studio(dplyr & tidyr)-2**](https:\u002F\u002Fgithub.com\u002Fkailashahirwar\u002Fcheatsheets-ai\u002Fblob\u002Fmaster\u002FData%20Wrangling%20with%20dplyr%20and%20tidyr%20-%20R%20Studio-2.jpg)\u003Cbr>\n  - [**Neural Network Cells**](https:\u002F\u002Fgithub.com\u002Fkailashahirwar\u002Fcheatsheets-ai\u002Fblob\u002Fmaster\u002FNeural%20Network%20Cells.png)\u003Cbr>\n  - [**Neural Network Graphs**](https:\u002F\u002Fgithub.com\u002Fkailashahirwar\u002Fcheatsheets-ai\u002Fblob\u002Fmaster\u002FNeural%20Network%20Graphs.png)\u003Cbr>\n  - [**Deep Learning Cheat Sheet**](https:\u002F\u002Fgithub.com\u002Fkailashahirwar\u002Fcheatsheets-ai\u002Fblob\u002Fmaster\u002FDeep%20Learning%20Cheat%20Sheet-Hacker%20Noon.pdf)\u003Cbr>\n  - [**Dask1**](https:\u002F\u002Fgithub.com\u002Fkailashahirwar\u002Fcheatsheets-ai\u002Fblob\u002Fmaster\u002FDask1.png)\n  - [**Dask2**](https:\u002F\u002Fgithub.com\u002Fkailashahirwar\u002Fcheatsheets-ai\u002Fblob\u002Fmaster\u002FDask2.png)\n  - [**Dask3**](https:\u002F\u002Fgithub.com\u002Fkailashahirwar\u002Fcheatsheets-ai\u002Fblob\u002Fmaster\u002FDask3.png)\n  - [**Dask4**](https:\u002F\u002Fgithub.com\u002Fkailashahirwar\u002Fcheatsheets-ai\u002Fblob\u002Fmaster\u002FDask4.png)\n  - [**All Cheat Sheets(PDF)**](https:\u002F\u002Fgithub.com\u002Fkailashahirwar\u002Fcheatsheets-ai\u002Fblob\u002Fmaster\u002FAll%20Cheat%20Sheets.pdf)\u003Cbr>\n  \n[**Medium Article**](https:\u002F\u002Fmedium.com\u002F@kailashahirwar\u002Fessential-cheat-sheets-for-machine-learning-and-deep-learning-researchers-efb6a8ebd2e5)\n  \nLicense\n-----------------\n\n[MIT License](https:\u002F\u002Fgithub.com\u002Fkailashahirwar\u002Fcheatsheets-ai\u002Fblob\u002Fmaster\u002FLICENSE.md)\n\n[AI Cheatsheets](https:\u002F\u002Faicheatsheets.com)","# AI 备忘单\n\n深度学习和机器学习工程师必备的备忘单\n\n网站：https:\u002F\u002Faicheatsheets.com\n\n\u003Cp align=\"center\">\n  \u003Cimg width=\"50%\" height=\"auto\" src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fkailashahirwar_cheatsheets-ai_readme_624f8e5b357a.png\">\n\u003C\u002Fp>\n\u003Cp align=\"center\">\n正在寻找新工作吗？参加 Triplebyte 的 \u003Ca href=\"https:\u002F\u002Ftriplebyte.com\u002Fa\u002FZYAvvEc\u002Fd\">测试\u003C\u002Fa>,就有机会进入 Adobe、Dropbox 和 Instacart 等顶尖公司工作！\n\u003C\u002Fp>\n\n![website-1](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fkailashahirwar_cheatsheets-ai_readme_1ec2638cbcfc.png)\n\n![website-2](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fkailashahirwar_cheatsheets-ai_readme_1dd2237ee037.png)\n\n![tensorflow-1](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fkailashahirwar_cheatsheets-ai_readme_36f6bb271711.png)\n\nMedium 文章：https:\u002F\u002Fmedium.com\u002F@kailashahirwar\u002Fessential-cheat-sheets-for-machine-learning-and-deep-learning-researchers-efb6a8ebd2e5\n\n![medium-article](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fkailashahirwar_cheatsheets-ai_readme_34193f59b91b.png)\n\nReddit 帖子：https:\u002F\u002Fwww.reddit.com\u002Fr\u002FPython\u002Fcomments\u002Fcyslju\u002Fai_cheatsheets_now_learn_tensorflow_keras_pytorch\u002F?utm_source=share&utm_medium=web2x\n\n![reddit-post](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fkailashahirwar_cheatsheets-ai_readme_dfa96d6744de.png)\n  \n    \n  - [**TensorFlow**](https:\u002F\u002Fgithub.com\u002Fkailashahirwar\u002Fcheatsheets-ai\u002Fblob\u002Fmaster\u002FPDFs\u002FTensorflow.pdf)\u003Cbr>\n  - [**Keras**](https:\u002F\u002Fgithub.com\u002Fkailashahirwar\u002Fcheatsheets-ai\u002Fblob\u002Fmaster\u002FKeras.jpg)\u003Cbr>\n  - [**神经网络动物园**](https:\u002F\u002Fgithub.com\u002Fkailashahirwar\u002Fcheatsheets-ai\u002Fblob\u002Fmaster\u002FNeural%20Networks%20Zoo.png)\u003Cbr>\n  - [**NumPy**](https:\u002F\u002Fgithub.com\u002Fkailashahirwar\u002Fcheatsheets-ai\u002Fblob\u002Fmaster\u002FNumpy.png)\u003Cbr>\n  - [**SciPy**](https:\u002F\u002Fgithub.com\u002Fkailashahirwar\u002Fcheatsheets-ai\u002Fblob\u002Fmaster\u002FScipy.png)\u003Cbr>\n  - [**Pandas-1**](https:\u002F\u002Fgithub.com\u002Fkailashahirwar\u002Fcheatsheets-ai\u002Fblob\u002Fmaster\u002FPandas-1.jpg)\u003Cbr>\n  - [**Pandas-2**](https:\u002F\u002Fgithub.com\u002Fkailashahirwar\u002Fcheatsheets-ai\u002Fblob\u002Fmaster\u002FPandas-2.jpg)\u003Cbr>\n  - [**Pandas-3**](https:\u002F\u002Fgithub.com\u002Fkailashahirwar\u002Fcheatsheets-ai\u002Fblob\u002Fmaster\u002FPandas-3.png)\u003Cbr>\n  - [**Scikit-learn**](https:\u002F\u002Fgithub.com\u002Fkailashahirwar\u002Fcheatsheets-ai\u002Fblob\u002Fmaster\u002FScikit%20Learn.png)\u003Cbr>\n  - [**Matplotlib**](https:\u002F\u002Fgithub.com\u002Fkailashahirwar\u002Fcheatsheets-ai\u002Fblob\u002Fmaster\u002FMatplotlib.png)\u003Cbr>\n  - [**Seaborn**](https:\u002F\u002Fgithub.com\u002Fkailashahirwar\u002Fcheatsheets-ai\u002Fblob\u002Fmaster\u002Fseaborn.png)\u003Cbr>\n  - [**ggplot2-1**](https:\u002F\u002Fgithub.com\u002Fkailashahirwar\u002Fcheatsheets-ai\u002Fblob\u002Fmaster\u002Fggplot2-1.jpg)\u003Cbr>\n  - [**ggplot2-2**](https:\u002F\u002Fgithub.com\u002Fkailashahirwar\u002Fcheatsheets-ai\u002Fblob\u002Fmaster\u002Fggplot2-2.jpg)\u003Cbr>\n  - [**PySpark**](https:\u002F\u002Fgithub.com\u002Fkailashahirwar\u002Fcheatsheets-ai\u002Fblob\u002Fmaster\u002FPySpark.jpg)\u003Cbr>\n  - [**PySpark-RDD**](https:\u002F\u002Fgithub.com\u002Fkailashahirwar\u002Fcheatsheets-ai\u002Fblob\u002Fmaster\u002FPySpark-RDD.png)\u003Cbr>\n  - [**PySpark-SQL**](https:\u002F\u002Fgithub.com\u002Fkailashahirwar\u002Fcheatsheets-ai\u002Fblob\u002Fmaster\u002FPySpark-SQL.png)\u003Cbr>\n  - [**R Studio（dplyr 和 tidyr）-1**](https:\u002F\u002Fgithub.com\u002Fkailashahirwar\u002Fcheatsheets-ai\u002Fblob\u002Fmaster\u002FData%20Wrangling%20with%20dplyr%20and%20tidyr%20-%20R%20Studio-1.jpg)\u003Cbr>\n  - [**R Studio（dplyr 和 tidyr）-2**](https:\u002F\u002Fgithub.com\u002Fkailashahirwar\u002Fcheatsheets-ai\u002Fblob\u002Fmaster\u002FData%20Wrangling%20with%20dplyr%20and%20tidyr%20-%20R%20Studio-2.jpg)\u003Cbr>\n  - [**神经元细胞**](https:\u002F\u002Fgithub.com\u002Fkailashahirwar\u002Fcheatsheets-ai\u002Fblob\u002Fmaster\u002FNeural%20Network%20Cells.png)\u003Cbr>\n  - [**神经网络图**](https:\u002F\u002Fgithub.com\u002Fkailashahirwar\u002Fcheatsheets-ai\u002Fblob\u002Fmaster\u002FNeural%20Network%20Graphs.png)\u003Cbr>\n  - [**深度学习备忘单**](https:\u002F\u002Fgithub.com\u002Fkailashahirwar\u002Fcheatsheets-ai\u002Fblob\u002Fmaster\u002FDeep%20Learning%20Cheat%20Sheet-Hacker%20Noon.pdf)\u003Cbr>\n  - [**Dask1**](https:\u002F\u002Fgithub.com\u002Fkailashahirwar\u002Fcheatsheets-ai\u002Fblob\u002Fmaster\u002FDask1.png)\n  - [**Dask2**](https:\u002F\u002Fgithub.com\u002Fkailashahirwar\u002Fcheatsheets-ai\u002Fblob\u002Fmaster\u002FDask2.png)\n  - [**Dask3**](https:\u002F\u002Fgithub.com\u002Fkailashahirwar\u002Fcheatsheets-ai\u002Fblob\u002Fmaster\u002FDask3.png)\n  - [**Dask4**](https:\u002F\u002Fgithub.com\u002Fkailashahirwar\u002Fcheatsheets-ai\u002Fblob\u002Fmaster\u002FDask4.png)\n  - [**所有备忘单（PDF）**](https:\u002F\u002Fgithub.com\u002Fkailashahirwar\u002Fcheatsheets-ai\u002Fblob\u002Fmaster\u002FAll%20Cheat%20Sheets.pdf)\u003Cbr>\n  \n[**Medium 文章**](https:\u002F\u002Fmedium.com\u002F@kailashahirwar\u002Fessential-cheat-sheets-for-machine-learning-and-deep-learning-researchers-efb6a8ebd2e5)\n  \n许可证\n-----------------\n\n[MIT 许可证](https:\u002F\u002Fgithub.com\u002Fkailashahirwar\u002Fcheatsheets-ai\u002Fblob\u002Fmaster\u002FLICENSE.md)\n\n[AI 备忘单](https:\u002F\u002Faicheatsheets.com)","# cheatsheets-ai 快速上手指南\n\n`cheatsheets-ai` 并非一个需要安装运行的软件库，而是一个专为深度学习和机器学习工程师整理的**速查表（Cheat Sheets）资源集合**。它提供了 TensorFlow、Keras、PyTorch、Pandas、Scikit-learn 等主流工具的常用语法和核心概念图解。\n\n本指南将帮助你快速获取并查看这些核心资料。\n\n## 环境准备\n\n由于本项目本质是文档和图片资源，**无需特定的系统环境或编程依赖**。你只需要具备以下条件之一即可：\n\n*   **在线浏览**：任意现代浏览器（Chrome, Edge, Firefox 等）。\n*   **本地查看**：\n    *   操作系统：Windows \u002F macOS \u002F Linux\n    *   软件：PDF 阅读器（用于查看 `.pdf` 文件）或图片查看器（用于查看 `.png` \u002F `.jpg` 文件）。\n    *   工具（可选）：`git` 命令行工具（用于克隆仓库到本地）。\n\n## 获取资源步骤\n\n你可以通过以下两种方式获取速查表：\n\n### 方式一：在线直接访问（推荐）\n\n直接访问官方聚合网站，无需下载，适合快速查询：\n\n*   **官方网站**: [https:\u002F\u002Faicheatsheets.com](https:\u002F\u002Faicheatsheets.com)\n\n### 方式二：克隆到本地（适合离线查阅）\n\n如果你希望将所有速查表下载到本地以便离线使用或打印，可以使用 `git` 克隆仓库。\n\n**1. 克隆仓库**\n\n```bash\ngit clone https:\u002F\u002Fgithub.com\u002Fkailashahirwar\u002Fcheatsheets-ai.git\n```\n\n> **国内加速提示**：如果直接克隆速度较慢，可以使用国内镜像源（如 Gitee 镜像，若有）或通过代理加速。若无私有镜像，可尝试指定深度克隆以加快速度：\n> ```bash\n> git clone --depth 1 https:\u002F\u002Fgithub.com\u002Fkailashahirwar\u002Fcheatsheets-ai.git\n> ```\n\n**2. 进入目录**\n\n```bash\ncd cheatsheets-ai\n```\n\n所有资源文件主要位于根目录及 `PDFs` 文件夹中。\n\n## 基本使用\n\n获取资源后，根据你的需求选择对应的速查表进行查阅。\n\n### 1. 查找特定框架速查表\n\n在项目根目录中，文件按工具名称命名。以下是核心资源的对应文件：\n\n| 工具\u002F框架 | 文件名示例 | 格式 |\n| :--- | :--- | :--- |\n| **TensorFlow** | `PDFs\u002FTensorflow.pdf` | PDF |\n| **Keras** | `Keras.jpg` | 图片 |\n| **PyTorch** | (参考官网或相关神经网络图) | - |\n| **NumPy** | `Numpy.png` | 图片 |\n| **Pandas** | `Pandas-1.jpg`, `Pandas-2.jpg` | 图片 |\n| **Scikit-learn** | `Scikit Learn.png` | 图片 |\n| **Matplotlib** | `Matplotlib.png` | 图片 |\n| **深度学习综合** | `Deep Learning Cheat Sheet-Hacker Noon.pdf` | PDF |\n| **全套合集** | `All Cheat Sheets.pdf` | PDF |\n\n### 2. 查看示例\n\n**在 Linux\u002FmacOS 终端快速预览 PDF：**\n\n```bash\n# 需要安装 pdftotext 或直接使用系统默认 PDF 打开命令\nopen PDFs\u002FTensorflow.pdf  # macOS\nxdg-open PDFs\u002FTensorflow.pdf # Linux (Ubuntu\u002FDebian)\n```\n\n**在 Windows PowerShell 快速打开：**\n\n```powershell\nStart-Process \"PDFs\\Tensorflow.pdf\"\n```\n\n**直接使用代码编辑器查看图片：**\n\n如果你使用 VS Code，可以直接在侧边栏点击 `.png` 或 `.jpg` 文件进行高清预览，方便在编写代码时分屏对照。\n\n```bash\n# 例如在 VS Code 中打开当前目录\ncode .\n```\n\n### 3. 使用全套合集\n\n如果你希望一次性下载所有资料，可以直接打开根目录下的整合文件：\n\n*   **文件路径**: `All Cheat Sheets.pdf`\n*   **用途**: 包含仓库中绝大多数速查表的合并版本，适合打印成册或存入平板设备随时翻阅。","一位刚转行做深度学习算法的工程师，正面临需要在三天内用 PyTorch 复现一篇复杂论文模型的紧急任务。\n\n### 没有 cheatsheets-ai 时\n- **语法记忆负担重**：在编写数据预处理代码时，频繁卡壳于 Pandas 和 Numpy 的具体函数参数，不得不反复切换浏览器搜索基础语法。\n- **框架细节模糊**：构建神经网络层时，记不清 Keras 与 TensorFlow 中特定激活函数或损失函数的标准写法，导致代码报错频发。\n- **概念混淆低效**：面对多种神经网络结构（如 LSTM、GRU 单元差异），需花费大量时间查阅冗长的官方文档来确认图形化结构和数学原理。\n- **调试中断心流**：每次遇到小的 API 调用问题都要打断思路去 StackOverflow 寻找碎片化答案，严重拖慢了模型原型的搭建进度。\n\n### 使用 cheatsheets-ai 后\n- **速查提升编码流**：直接打开 Pandas 和 Numpy 速查表，一眼定位数据清洗和矩阵运算的标准代码片段，实现“所见即所得”的流畅编码。\n- **框架用法一目了然**：对照 Keras 和 TensorFlow 专属图表，快速确认了模型层的正确配置参数，一次性通过了基础架构的代码编译。\n- **可视化理清原理**：通过\"Neural Networks Zoo\"和\"Neural Network Cells\"高清图解，瞬间理解了不同细胞单元的输入输出逻辑，准确复现了论文结构。\n- **全栈知识随手可得**：从数据可视化（Matplotlib\u002FSeaborn）到分布式计算（PySpark），所有常用库的核心指令集中在一个仓库，全程无需离开开发环境。\n\ncheatsheets-ai 将分散的文档知识浓缩为可视化的行动指南，让开发者从“回忆语法”转向专注于“解决业务问题”。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fkailashahirwar_cheatsheets-ai_e957717a.png","kailashahirwar","Kailash Ahirwar","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002Fkailashahirwar_3baa594c.jpg","AI Research | Co-founder - TryOn AI(Levit8 Labs) | Raven Protocol | Mate Labs | Author of Generative Adversarial Networks Projects","TryOn AI","Bangalore India",null,"Ahkailash1","https:\u002F\u002Fkailashahirwar.medium.com\u002F","https:\u002F\u002Fgithub.com\u002Fkailashahirwar",15402,3407,"2026-04-04T18:24:03","MIT",1,"","未说明",{"notes":93,"python":91,"dependencies":94},"该项目并非可执行的软件工具，而是一个包含机器学习与深度学习常用速查表（Cheatsheets）的静态资源仓库。内容主要以图片（PNG\u002FJPG）和 PDF 文档形式提供，涵盖 Tensorflow、Keras、PyTorch、Numpy、Pandas、Scikit-learn 等库的语法参考。用户无需安装任何运行环境或依赖库，直接通过浏览器查看或下载文件即可使用。",[],[13],[97,98,99,100,101,102,103],"deep-learning","artificial-intelligence","machine-learning","keras","matplotlib","scipy","numpy","2026-03-27T02:49:30.150509","2026-04-06T05:44:13.271903",[107,112,117,122,127,132,137],{"id":108,"question_zh":109,"answer_zh":110,"source_url":111},17144,"速查表字体太小不适合打印，有适合打印的版本吗？","维护者正在准备适合打印格式的速查表。在此之前，建议先使用现有的 PDF 或 PNG\u002FJPG 版本进行打印。","https:\u002F\u002Fgithub.com\u002Fkailashahirwar\u002Fcheatsheets-ai\u002Fissues\u002F2",{"id":113,"question_zh":114,"answer_zh":115,"source_url":116},17145,"如何获取 Jupyter Notebook 的速查表？","项目已添加 Jupyter Notebook 速查表，下载地址为：https:\u002F\u002Fs3.amazonaws.com\u002Fassets.datacamp.com\u002Fblog_assets\u002FJupyter_Notebook_Cheat_Sheet.pdf","https:\u002F\u002Fgithub.com\u002Fkailashahirwar\u002Fcheatsheets-ai\u002Fissues\u002F83",{"id":118,"question_zh":119,"answer_zh":120,"source_url":121},17142,"制作这些速查表使用了什么工具？","大多数速查表可以使用 Microsoft Word 重新创建，也可以使用 Photoshop 进行制作。","https:\u002F\u002Fgithub.com\u002Fkailashahirwar\u002Fcheatsheets-ai\u002Fissues\u002F89",{"id":123,"question_zh":124,"answer_zh":125,"source_url":126},17146,"有没有 R 语言中 dplyr 数据预处理的速查表？","有的，项目已添加 R 语言数据整理（data wrangling）速查表，下载地址为：https:\u002F\u002Fwww.rstudio.com\u002Fwp-content\u002Fuploads\u002F2015\u002F02\u002Fdata-wrangling-cheatsheet.pdf","https:\u002F\u002Fgithub.com\u002Fkailashahirwar\u002Fcheatsheets-ai\u002Fissues\u002F5",{"id":128,"question_zh":129,"answer_zh":130,"source_url":131},17143,"README 中的 Medium 链接无法打开怎么办？","该链接通常可以正常访问。如果打不开，可能是浏览器在重定向到目标地址（https:\u002F\u002Fstartupsventurecapital.com\u002Fessential-cheat-sheets-for-machine-learning-and-deep-learning-researchers-efb6a8ebd2e5）时出现问题，建议检查浏览器设置或尝试更换浏览器。","https:\u002F\u002Fgithub.com\u002Fkailashahirwar\u002Fcheatsheets-ai\u002Fissues\u002F86",{"id":133,"question_zh":134,"answer_zh":135,"source_url":136},17147,"哪里可以找到神经网络结构（Neural Network Zoo）及其前传的详细说明？","项目已收录相关资源。神经网络前传（细胞与层）介绍见：http:\u002F\u002Fwww.asimovinstitute.org\u002Fneural-network-zoo-prequel-cells-layers\u002F；完整的神经网络动物园及更多解释见：http:\u002F\u002Fwww.asimovinstitute.org\u002Fneural-network-zoo\u002F","https:\u002F\u002Fgithub.com\u002Fkailashahirwar\u002Fcheatsheets-ai\u002Fissues\u002F4",{"id":138,"question_zh":139,"answer_zh":140,"source_url":141},17148,"是否有 TensorFlow 的速查表？","项目已添加 Altoros 出品的 TensorFlow 速查表 PDF 版本。此外，维护者也在制作新的 TensorFlow 速查表并计划分享。","https:\u002F\u002Fgithub.com\u002Fkailashahirwar\u002Fcheatsheets-ai\u002Fissues\u002F1",[]]