[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-kimhc6028--relational-networks":3,"tool-kimhc6028--relational-networks":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",152630,2,"2026-04-12T23:33:54",[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":67,"readme_en":68,"readme_zh":69,"quickstart_zh":70,"use_case_zh":71,"hero_image_url":72,"owner_login":73,"owner_name":74,"owner_avatar_url":75,"owner_bio":76,"owner_company":77,"owner_location":78,"owner_email":79,"owner_twitter":77,"owner_website":77,"owner_url":80,"languages":81,"stars":90,"forks":91,"last_commit_at":92,"license":93,"difficulty_score":32,"env_os":94,"env_gpu":94,"env_ram":94,"env_deps":95,"category_tags":101,"github_topics":102,"view_count":32,"oss_zip_url":77,"oss_zip_packed_at":77,"status":17,"created_at":104,"updated_at":105,"faqs":106,"releases":141},7028,"kimhc6028\u002Frelational-networks","relational-networks","Pytorch implementation of \"A simple neural network module for relational reasoning\" (Relational Networks)","relational-networks 是经典论文《A simple neural network module for relational reasoning》的 PyTorch 复现版本，核心目标是让 AI 学会像人类一样理解物体间的“关系”。它主要解决了传统神经网络在处理需要逻辑推理任务时的短板：普通模型往往只能识别单个物体的属性（如颜色、形状），却难以回答涉及物体间相对位置、距离或数量对比的复杂问题。\n\n该项目基于简化的 Sort-of-CLEVR 数据集进行验证，该数据集包含带有不同颜色形状的图像及两类问题：无需推理的“非关系型问题”（如“红色物体是什么形状？”）和必须分析物体关联的“关系型问题”（如“离红色物体最近的形状是什么？”）。测试结果显示，引入关系网络模块后，模型在关系型问题上的准确率高达 89%，远超传统 CNN+MLP 架构的 66%，有效克服了过拟合问题。\n\n这款工具特别适合人工智能研究人员、深度学习开发者以及计算机视觉领域的学生使用。如果你正在探索如何让模型具备更强的逻辑推理能力，或希望复现关系推理领域的基准实验，relational-networks 提","relational-networks 是经典论文《A simple neural network module for relational reasoning》的 PyTorch 复现版本，核心目标是让 AI 学会像人类一样理解物体间的“关系”。它主要解决了传统神经网络在处理需要逻辑推理任务时的短板：普通模型往往只能识别单个物体的属性（如颜色、形状），却难以回答涉及物体间相对位置、距离或数量对比的复杂问题。\n\n该项目基于简化的 Sort-of-CLEVR 数据集进行验证，该数据集包含带有不同颜色形状的图像及两类问题：无需推理的“非关系型问题”（如“红色物体是什么形状？”）和必须分析物体关联的“关系型问题”（如“离红色物体最近的形状是什么？”）。测试结果显示，引入关系网络模块后，模型在关系型问题上的准确率高达 89%，远超传统 CNN+MLP 架构的 66%，有效克服了过拟合问题。\n\n这款工具特别适合人工智能研究人员、深度学习开发者以及计算机视觉领域的学生使用。如果你正在探索如何让模型具备更强的逻辑推理能力，或希望复现关系推理领域的基准实验，relational-networks 提供了清晰的代码实现和高效的训练流程。其技术亮点在于通过一个轻量级的神经网络模块，显式地建模物体间的相互关系，以极小的计算代价显著提升了模型的推理性能，且经过社区优化，运行速度比原始实现快了十倍。","Pytorch implementation of Relational Networks - [A simple neural network module for relational reasoning](https:\u002F\u002Farxiv.org\u002Fpdf\u002F1706.01427.pdf)\n\nImplemented & tested on Sort-of-CLEVR task.\n\n## Sort-of-CLEVR\n\nSort-of-CLEVR is simplified version of [CLEVR](http:\u002F\u002Fcs.stanford.edu\u002Fpeople\u002Fjcjohns\u002Fclevr\u002F).This is composed of 10000 images and 20 questions (10 relational questions and 10 non-relational questions) per each image. 6 colors (red, green, blue, orange, gray, yellow) are assigned to randomly chosen shape (square or circle), and placed in a image.\n\nNon-relational questions are composed of 3 subtypes:\n\n1) Shape of certain colored object\n2) Horizontal location of certain colored object : whether it is on the left side of the image or right side of the image\n3) Vertical location of certain colored object : whether it is on the upside of the image or downside of the image\n\nTheses questions are \"non-relational\" because the agent only need to focus on certain object.\n\nRelational questions are composed of 3 subtypes:\n\n1) Shape of the object which is closest to the certain colored object\n1) Shape of the object which is furthest to the certain colored object\n3) Number of objects which have the same shape with the certain colored object\n\nThese questions are \"relational\" because the agent has to consider the relations between objects.\n\nQuestions are encoded into a vector of size of 11 : 6 for one-hot vector for certain color among 6 colors, 2 for one-hot vector of relational\u002Fnon-relational questions. 3 for one-hot vector of 3 subtypes.\n\n\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fkimhc6028_relational-networks_readme_d3440bad76fb.png\" width=\"256\">\n\nI.e., with the sample image shown, we can generate non-relational questions like:\n\n1) What is the shape of the red object? => Circle (even though it does not really look like \"circle\"...)\n2) Is green object placed on the left side of the image? => yes\n3) Is orange object placed on the upside of the image? => no\n\nAnd relational questions:\n\n1) What is the shape of the object closest to the red object? => square\n2) What is the shape of the object furthest to the orange object? => circle\n3) How many objects have same shape with the blue object? => 3\n\n## Setup\n\nCreate conda environment from `environment.yml` file\n```\n$ conda env create -f environment.yml\n```\nActivate environment\n```\n$ conda activate RN3\n```\nIf you don't use conda install python 3 normally and use `pip install` to install remaining dependencies. The list of dependencies can be found in the `environment.yml` file.\n\n## Usage\n\n\t$ .\u002Frun.sh\n\nor\n\n  \t$ python sort_of_clevr_generator.py\n\nto generate sort-of-clevr dataset\nand\n\n \t $ python main.py \n\nto train the binary RN model. \nAlternatively, use \n\n \t $ python main.py --relation-type=ternary\n\nto train the ternary RN model.\n\n## Modifications\nIn the original paper, Sort-of-CLEVR task used different model from CLEVR task. However, because model used CLEVR requires much less time to compute (network is much smaller), this model is used for Sort-of-CLEVR task.\n\n## Result\n\n| | Relational Networks (20th epoch) | CNN + MLP (without RN, 100th epoch) |\n| --- | --- | --- |\n| Non-relational question | 99% | 66% |\n| Relational question | 89% | 66% |\n\nCNN + MLP occured overfitting to the training data.\n\nRelational networks shows far better results in relational questions and non-relation questions. \n\n## Contributions\n\n[@gngdb](https:\u002F\u002Fgithub.com\u002Fgngdb) speeds up the model by 10 times.\n","关系网络的 PyTorch 实现 - [用于关系推理的简单神经网络模块](https:\u002F\u002Farxiv.org\u002Fpdf\u002F1706.01427.pdf)\n\n已在 Sort-of-CLEVR 任务上实现并测试。\n\n## Sort-of-CLEVR\n\nSort-of-CLEVR 是 [CLEVR](http:\u002F\u002Fcs.stanford.edu\u002Fpeople\u002Fjcjohns\u002Fclevr\u002F) 的简化版本。它由 10000 张图像组成，每张图像配有 20 个问题（10 个关系型问题和 10 个非关系型问题）。6 种颜色（红、绿、蓝、橙、灰、黄）被随机分配给形状为正方形或圆形的对象，并放置在图像中。\n\n非关系型问题分为 3 种子类型：\n\n1) 某种颜色物体的形状  \n2) 某种颜色物体的水平位置：位于图像左侧还是右侧  \n3) 某种颜色物体的垂直位置：位于图像上方还是下方  \n\n这些问题被称为“非关系型”，因为智能体只需关注特定的物体即可。\n\n关系型问题也分为 3 种子类型：\n\n1) 距离某种颜色物体最近的物体的形状  \n2) 距离某种颜色物体最远的物体的形状  \n3) 与某种颜色物体具有相同形状的物体数量  \n\n这些问题被称为“关系型”，因为智能体需要考虑物体之间的相互关系。\n\n问题被编码为一个大小为 11 的向量：6 个元素用于表示 6 种颜色中某一特定颜色的独热编码；2 个元素用于表示关系型或非关系型问题的独热编码；另外 3 个元素用于表示 3 种子类型的独热编码。\n\n\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fkimhc6028_relational-networks_readme_d3440bad76fb.png\" width=\"256\">\n\n例如，对于示例图像，我们可以生成以下非关系型问题：\n\n1) 红色物体的形状是什么？=> 圆形（尽管它看起来并不像“圆形”……）  \n2) 绿色物体是否位于图像的左侧？=> 是  \n3) 橙色物体是否位于图像的上方？=> 否  \n\n以及关系型问题：\n\n1) 距离红色物体最近的物体的形状是什么？=> 正方形  \n2) 距离橙色物体最远的物体的形状是什么？=> 圆形  \n3) 与蓝色物体形状相同的物体有多少个？=> 3  \n\n## 设置\n\n通过 `environment.yml` 文件创建 Conda 环境：\n```\n$ conda env create -f environment.yml\n```\n激活环境：\n```\n$ conda activate RN3\n```\n如果您不使用 Conda，请正常安装 Python 3，并使用 `pip install` 安装其余依赖项。依赖项列表可在 `environment.yml` 文件中找到。\n\n## 使用方法\n\n运行以下命令以生成 Sort-of-CLEVR 数据集：\n```\n$ .\u002Frun.sh\n```\n或\n```\n$ python sort_of_clevr_generator.py\n```\n\n然后运行以下命令以训练二元关系网络模型：\n```\n$ python main.py\n```\n\n或者，使用以下命令训练三元关系网络模型：\n```\n$ python main.py --relation-type=ternary\n```\n\n## 修改说明\n\n在原始论文中，Sort-of-CLEVR 任务使用了与 CLEVR 任务不同的模型。然而，由于 CLEVR 任务所用的模型计算量更小（网络规模更小），因此本项目采用了该模型来处理 Sort-of-CLEVR 任务。\n\n## 结果\n\n| | 关系网络（第 20 轮） | CNN + MLP（无关系网络，第 100 轮） |\n| --- | --- | --- |\n| 非关系型问题 | 99% | 66% |\n| 关系型问题 | 89% | 66% |\n\nCNN + MLP 出现了对训练数据的过拟合现象。\n\n相比之下，关系网络在关系型问题和非关系型问题上均表现出显著更好的性能。\n\n## 贡献\n\n[@gngdb](https:\u002F\u002Fgithub.com\u002Fgngdb) 将模型速度提升了 10 倍。","# Relational Networks 快速上手指南\n\n本指南基于 PyTorch 实现的 **Relational Networks (RN)**，专为关系推理任务设计。该项目在简化版 CLEVR (Sort-of-CLEVR) 数据集上进行了实现与测试，能有效解决涉及物体间空间关系（如最近、最远、同形状计数）的复杂问题。\n\n## 环境准备\n\n*   **操作系统**: Linux \u002F macOS (Windows 需配置相应 Python 环境)\n*   **核心依赖**: Python 3, PyTorch\n*   **推荐方式**: 使用 Conda 管理环境（最简便）\n*   **国内加速**: 建议使用清华或中科大镜像源加速 Conda 和 Pip 下载。\n\n## 安装步骤\n\n### 1. 创建并激活 Conda 环境\n项目提供了 `environment.yml` 文件以自动安装所有依赖。\n\n```bash\n# 创建名为 RN3 的环境\nconda env create -f environment.yml\n\n# 激活环境\nconda activate RN3\n```\n\n> **提示**：若无法使用 Conda，可手动安装 Python 3，并根据 `environment.yml` 中的列表使用 `pip install` 安装剩余依赖（如 `torch`, `numpy`, `pillow` 等）。\n\n### 2. 验证安装\n确保当前终端已激活 `RN3` 环境，且无报错信息。\n\n## 基本使用\n\n本项目主要包含两个阶段：**生成数据集** 和 **训练模型**。\n\n### 1. 生成 Sort-of-CLEVR 数据集\n首先生成包含图像和问题标签的简化版 CLEVR 数据。\n\n```bash\npython sort_of_clevr_generator.py\n```\n\n### 2. 训练模型\n运行脚本开始训练。默认训练二元关系模型（Binary RN），也可指定训练三元关系模型（Ternary RN）。\n\n**训练二元 RN 模型（默认）：**\n```bash\npython main.py\n```\n\n**训练三元 RN 模型：**\n```bash\npython main.py --relation-type=ternary\n```\n\n或者，直接运行封装好的脚本一键执行：\n```bash\n.\u002Frun.sh\n```\n\n### 预期效果\n根据官方测试结果，训练至第 20 个 epoch 时：\n*   **非关系类问题**准确率可达 **99%**\n*   **关系类问题**准确率可达 **89%**\n*   相比传统 CNN+MLP 架构，RN 在关系推理任务上表现显著更优，且不易过拟合。","某自动驾驶感知团队正在开发一套视觉问答系统，旨在让车辆不仅能识别物体，还能理解场景中物体间的空间与逻辑关系（如“离行人最近的障碍物是什么形状”）。\n\n### 没有 relational-networks 时\n- 传统 CNN+MLP 模型在处理非关系型问题（如“红色物体是什么形状”）时表现尚可，但一旦涉及物体间关系，准确率骤降至 66%。\n- 模型难以捕捉物体间的相对位置、距离或属性关联，导致在复杂交通场景下无法推理出“最远车辆”或“同类物体数量”。\n- 为了强行提升关系推理能力，团队不得不堆叠更深的网络层，结果导致严重的过拟合，训练到第 100 轮效果依然停滞不前。\n- 系统对训练数据过度记忆，缺乏泛化能力，面对稍有不同的道路布局便无法正确回答逻辑问题。\n\n### 使用 relational-networks 后\n- 引入专为关系推理设计的模块后，非关系型问题准确率提升至 99%，而原本薄弱关系型问题准确率也大幅跃升至 89%。\n- 模型能够显式地计算物体两两之间的特征交互，轻松解决“最近\u002F最远物体形状”及“同形状物体计数”等复杂逻辑查询。\n- 仅需训练 20 个 epoch 即可超越传统模型百轮的效果，显著缩短了研发迭代周期并降低了算力成本。\n- 有效抑制了过拟合现象，使系统在未见过的模拟路况中仍能保持稳定的逻辑推理能力。\n\nrelational-networks 通过赋予神经网络显式的关系推理能力，以极低的训练成本解决了机器视觉从“单纯识别”迈向“深度理解”的关键瓶颈。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fkimhc6028_relational-networks_d3440bad.png","kimhc6028","Kim Heecheol","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002Fkimhc6028_6dc0e632.jpg","Microsoft Research Asia - Tokyo",null,"Seoul, South Korea","kimhc6028@gmail.com","https:\u002F\u002Fgithub.com\u002Fkimhc6028",[82,86],{"name":83,"color":84,"percentage":85},"Python","#3572A5",99.2,{"name":87,"color":88,"percentage":89},"Shell","#89e051",0.8,818,160,"2026-04-10T04:56:06","BSD-3-Clause","未说明",{"notes":96,"python":97,"dependencies":98},"该项目是关系网络（Relational Networks）的 PyTorch 实现，主要在 Sort-of-CLEVR 任务上进行了测试。建议使用 conda 通过提供的 environment.yml 文件创建环境（环境名为 RN3）。如果不使用 conda，需手动安装 Python 3 并通过 pip 安装依赖。代码包含生成数据集和训练二元或三元关系网络模型的脚本。原文提到该模型比原始 CLEVR 任务使用的模型计算时间更少。","3.x (通过 environment.yml 或常规安装)",[99,100],"pytorch","conda (推荐)",[14],[64,99,103],"deep-learning","2026-03-27T02:49:30.150509","2026-04-13T13:39:21.588291",[107,112,117,121,126,131,136],{"id":108,"question_zh":109,"answer_zh":110,"source_url":111},31634,"如何在 CLEVR 任务上复现结果或调整模型架构？","要在 CLEVR 任务上运行，需要对模型进行以下修改：\n1. CLEVR 图像尺寸更大，CNN 后的特征图也会变大，因此需要修改 RN 模块（model.py 第 62-70 行）。\n2. coord_lst（model.py 第 41 行）默认假设使用 5*5 个对象，也需要相应修改。\n3. RN 的第一输入层（model.py 第 21 行）假设问题向量大小为 11，CLEVR 的问题向量大小不同，需修改此部分（通常采用 LSTM 处理问题输入）。\n4. 学习率建议调整为 2.5e-4。","https:\u002F\u002Fgithub.com\u002Fkimhc6028\u002Frelational-networks\u002Fissues\u002F6",{"id":113,"question_zh":114,"answer_zh":115,"source_url":116},31635,"代码中的 coord_tensor 和 np_coord_tensor 是什么？数字 25 代表什么？","coord_tensor 用于生成对象的坐标信息。代码中的 `[(i\u002F5-2)\u002F2., (i%5-2)\u002F2.]` 生成了归一化的坐标网格。数字 25 代表特征图被划分为 5x5=25 个区域（即 25 个对象位置）。这些坐标被附加到每个对象的特征向量中，以便网络理解空间关系。如果使用的是最新版本的实现且遇到疑问，建议检查最新的代码提交，因为相关逻辑可能已优化。","https:\u002F\u002Fgithub.com\u002Fkimhc6028\u002Frelational-networks\u002Fissues\u002F11",{"id":118,"question_zh":119,"answer_zh":120,"source_url":116},31636,"translator.py 文件的作用是什么？需要在训练中使用它吗？","translator.py 文件在当前的训练代码中并未被使用。作者添加该文件的目的是为了方便将向量化的问题（one-hot vector）转换为人类可读的自然语言，主要用于调试和理解数据。如果你只关心模型训练和推理，可以忽略此文件。",{"id":122,"question_zh":123,"answer_zh":124,"source_url":125},31637,"训练多少轮（epochs）能达到较好的效果？预期准确率是多少？","根据社区反馈，训练 10 轮时关系型问题的准确率约为 73%，提升不明显。建议至少训练 20 轮。有用户报告训练 20 轮后，关系型问题（relation question）的测试集准确率达到 84%，非关系型问题（non-relational question）达到 93%。模型权重通常保存在 `\u002Fmodel\u002Fepoch_20.pth`。","https:\u002F\u002Fgithub.com\u002Fkimhc6028\u002Frelational-networks\u002Fissues\u002F1",{"id":127,"question_zh":128,"answer_zh":129,"source_url":130},31638,"如何加载和使用 Sort-of-CLEVR 数据集进行训练？","可以使用 `sort_of_clevr_generator.py` 中的逻辑来生成数据。核心思路是生成 one-hot 向量形式的问题，并将其与对象配对。加载数据的示例代码如下：\n`rel_train, rel_test, norel_train, norel_test = load_data()`\n加载后的数据项通常包含图像、问题和答案的张量表示（例如维度为 3 x 3 x 75 x 75 的数组），具体映射关系请参考生成器代码内部实现。","https:\u002F\u002Fgithub.com\u002Fkimhc6028\u002Frelational-networks\u002Fissues\u002F22",{"id":132,"question_zh":133,"answer_zh":134,"source_url":135},31639,"在 AWS AMI 上运行代码时遇到 CUDA\u002FcuBLAS 错误怎么办？","如果在 AWS AMI 上遇到 `RuntimeError: cublas runtime error`，这通常是 GPU 环境临时性问题。有用户反馈在未修改任何代码的情况下，重新运行即可解决。确保你使用的 AMI 支持 PyTorch（例如使用 `ritchieng\u002Fdlami`），并且能够运行基础的 PyTorch 代码。如果问题持续，请检查具体的错误堆栈信息以排查驱动或库版本冲突。","https:\u002F\u002Fgithub.com\u002Fkimhc6028\u002Frelational-networks\u002Fissues\u002F7",{"id":137,"question_zh":138,"answer_zh":139,"source_url":140},31640,"模型中是否应该包含对象的空间坐标信息？","是的，必须包含。根据论文和官方确认，卷积后的特征图单元格应标记其相对空间位置坐标 [x, y]，并与特征向量拼接形成对象表示 `[x, y, v_1, ..., v_k]`。在原代码中，需要将坐标信息添加到 oi 和 oj 中（即在拼接 oi, oj 和 qst 之前）。修复此问题后，对于涉及空间关系（如“最近”、“最远”）的问题，模型准确率会有显著提升。维护者已确认修复了此问题。","https:\u002F\u002Fgithub.com\u002Fkimhc6028\u002Frelational-networks\u002Fissues\u002F4",[]]