[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-nv-tlabs--GSCNN":3,"tool-nv-tlabs--GSCNN":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",143909,2,"2026-04-07T11:33:18",[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。",107888,"2026-04-06T11:32:50",[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},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],"插件",{"id":54,"name":55,"github_repo":56,"description_zh":57,"stars":58,"difficulty_score":10,"last_commit_at":59,"category_tags":60,"status":17},4487,"LLMs-from-scratch","rasbt\u002FLLMs-from-scratch","LLMs-from-scratch 是一个基于 PyTorch 的开源教育项目，旨在引导用户从零开始一步步构建一个类似 ChatGPT 的大型语言模型（LLM）。它不仅是同名技术著作的官方代码库，更提供了一套完整的实践方案，涵盖模型开发、预训练及微调的全过程。\n\n该项目主要解决了大模型领域“黑盒化”的学习痛点。许多开发者虽能调用现成模型，却难以深入理解其内部架构与训练机制。通过亲手编写每一行核心代码，用户能够透彻掌握 Transformer 架构、注意力机制等关键原理，从而真正理解大模型是如何“思考”的。此外，项目还包含了加载大型预训练权重进行微调的代码，帮助用户将理论知识延伸至实际应用。\n\nLLMs-from-scratch 特别适合希望深入底层原理的 AI 开发者、研究人员以及计算机专业的学生。对于不满足于仅使用 API，而是渴望探究模型构建细节的技术人员而言，这是极佳的学习资源。其独特的技术亮点在于“循序渐进”的教学设计：将复杂的系统工程拆解为清晰的步骤，配合详细的图表与示例，让构建一个虽小但功能完备的大模型变得触手可及。无论你是想夯实理论基础，还是为未来研发更大规模的模型做准备",90106,"2026-04-06T11:19:32",[35,15,13,14],{"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":76,"owner_website":77,"owner_url":78,"languages":79,"stars":88,"forks":89,"last_commit_at":90,"license":91,"difficulty_score":10,"env_os":92,"env_gpu":93,"env_ram":92,"env_deps":94,"category_tags":108,"github_topics":109,"view_count":32,"oss_zip_url":76,"oss_zip_packed_at":76,"status":17,"created_at":116,"updated_at":117,"faqs":118,"releases":148},5011,"nv-tlabs\u002FGSCNN","GSCNN","Gated-Shape CNN for Semantic Segmentation (ICCV 2019)","GSCNN 是一款专为语义分割任务设计的深度学习模型，曾发表于计算机视觉顶级会议 ICCV 2019。它的核心目标是让计算机更精准地理解图像中每个像素的类别，比如区分道路、车辆或行人，这在自动驾驶和场景理解中至关重要。\n\n传统方法在处理物体边界时往往不够清晰，容易出现模糊或错位。GSCNN 创新性地引入了“门控形状流”（Gated Shape Stream）机制，通过双流架构同时处理纹理特征与形状信息。这种设计利用额外的形状分支来强化物体轮廓的学习，并通过门控单元动态融合两种信息，从而显著提升了边缘分割的准确性和整体视觉效果。\n\n这款工具主要面向人工智能研究人员和计算机视觉开发者。如果你正在探索高精度的语义分割算法，或者需要在城市景观数据集（如 Cityscapes）上复现前沿成果，GSCNN 提供了基于 PyTorch 的完整官方代码、预训练模型及评估脚本，便于快速上手实验。虽然其训练过程对显存资源有一定要求（官方建议使用多卡环境），但其独特的形状增强思路为后续研究提供了宝贵的参考范式，适合希望深入理解结构信息如何辅助图像识别的专业人士使用。","# GSCNN\nThis is the official code for:\n\n#### Gated-SCNN: Gated Shape CNNs for Semantic Segmentation\n\n[Towaki Takikawa](https:\u002F\u002Ftovacinni.github.io), [David Acuna](http:\u002F\u002Fwww.cs.toronto.edu\u002F~davidj\u002F), [Varun Jampani](https:\u002F\u002Fvarunjampani.github.io), [Sanja Fidler](http:\u002F\u002Fwww.cs.toronto.edu\u002F~fidler\u002F)\n\nICCV 2019\n**[[Paper](https:\u002F\u002Farxiv.org\u002Fabs\u002F1907.05740)]  [[Project Page](https:\u002F\u002Fnv-tlabs.github.io\u002FGSCNN\u002F)]**\n\n![GSCNN DEMO](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fnv-tlabs_GSCNN_readme_ed652987251e.gif)\n\nBased on based on https:\u002F\u002Fgithub.com\u002FNVIDIA\u002Fsemantic-segmentation.\n\n## License\n```\nCopyright (C) 2019 NVIDIA Corporation. Towaki Takikawa, David Acuna, Varun Jampani, Sanja Fidler\nAll rights reserved.\nLicensed under the CC BY-NC-SA 4.0 license (https:\u002F\u002Fcreativecommons.org\u002Flicenses\u002Fby-nc-sa\u002F4.0\u002Flegalcode).\n\nPermission to use, copy, modify, and distribute this software and its documentation\nfor any non-commercial purpose is hereby granted without fee, provided that the above\ncopyright notice appear in all copies and that both that copyright notice and this\npermission notice appear in supporting documentation, and that the name of the author\nnot be used in advertising or publicity pertaining to distribution of the software\nwithout specific, written prior permission.\n\nTHE AUTHOR DISCLAIMS ALL WARRANTIES WITH REGARD TO THIS SOFTWARE, INCLUDING ALL\nIMPLIED WARRANTIES OF MERCHANTABILITY AND FITNESS FOR ANY PARTICULAR PURPOSE.\nIN NO EVENT SHALL THE AUTHOR BE LIABLE FOR ANY SPECIAL, INDIRECT OR CONSEQUENTIAL\nDAMAGES OR ANY DAMAGES WHATSOEVER RESULTING FROM LOSS OF USE, DATA OR PROFITS,\nWHETHER IN AN ACTION OF CONTRACT, NEGLIGENCE OR OTHER TORTIOUS ACTION, ARISING\nOUT OF OR IN CONNECTION WITH THE USE OR PERFORMANCE OF THIS SOFTWARE.\n~                                                                             \n```\n\n## Usage\n\n##### Clone this repo\n```bash\ngit clone https:\u002F\u002Fgithub.com\u002Fnv-tlabs\u002FGSCNN\ncd GSCNN\n ```\n\n#### Python requirements \n\nCurrently, the code supports Python 3\n* numpy \n* PyTorch (>=1.1.0)\n* torchvision\n* scipy \n* scikit-image\n* tensorboardX\n* tqdm\n* torch-encoding\n* opencv\n* PyYAML\n\n#### Download pretrained models\n\nDownload the pretrained model from the [Google Drive Folder](https:\u002F\u002Fdrive.google.com\u002Ffile\u002Fd\u002F1wlhAXg-PfoUM-rFy2cksk43Ng3PpsK2c\u002Fview), and save it in 'checkpoints\u002F'\n\n#### Download inferred images\n\nDownload (if needed) the inferred images from the [Google Drive Folder](https:\u002F\u002Fdrive.google.com\u002Ffile\u002Fd\u002F105WYnpSagdlf5-ZlSKWkRVeq-MyKLYOV\u002Fview)\n\n#### Evaluation (Cityscapes)\n```bash\npython train.py --evaluate --snapshot checkpoints\u002Fbest_cityscapes_checkpoint.pth\n```\n\n#### Training\n\nA note on training- we train on 8 NVIDIA GPUs, and as such, training will be an issue with WiderResNet38 if you try to train on a single GPU.\n\nIf you use this code, please cite:\n\n```\n@article{takikawa2019gated,\n  title={Gated-SCNN: Gated Shape CNNs for Semantic Segmentation},\n  author={Takikawa, Towaki and Acuna, David and Jampani, Varun and Fidler, Sanja},\n  journal={ICCV},\n  year={2019}\n}\n```\n\n","# GSCNN\n这是以下论文的官方代码：\n\n#### 门控形状卷积神经网络：用于语义分割的门控形状CNN\n\n[Towaki Takikawa](https:\u002F\u002Ftovacinni.github.io)、[David Acuna](http:\u002F\u002Fwww.cs.toronto.edu\u002F~davidj\u002F)、[Varun Jampani](https:\u002F\u002Fvarunjampani.github.io)、[Sanja Fidler](http:\u002F\u002Fwww.cs.toronto.edu\u002F~fidler\u002F)\n\nICCV 2019\n**[[论文](https:\u002F\u002Farxiv.org\u002Fabs\u002F1907.05740)]  [[项目页面](https:\u002F\u002Fnv-tlabs.github.io\u002FGSCNN\u002F)]**\n\n![GSCNN演示](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fnv-tlabs_GSCNN_readme_ed652987251e.gif)\n\n基于 https:\u002F\u002Fgithub.com\u002FNVIDIA\u002Fsemantic-segmentation。\n\n## 许可证\n```\n版权所有 © 2019 NVIDIA Corporation。Towaki Takikawa、David Acuna、Varun Jampani、Sanja Fidler\n保留所有权利。\n根据 CC BY-NC-SA 4.0 许可证授权（https:\u002F\u002Fcreativecommons.org\u002Flicenses\u002Fby-nc-sa\u002F4.0\u002Flegalcode）。\n\n兹授予任何非商业用途使用、复制、修改和分发本软件及其文档的权利，无需支付费用，但前提是上述版权声明必须出现在所有副本中，并且该版权声明及本许可声明必须出现在支持性文档中；同时，在未获得作者明确书面许可的情况下，不得将作者姓名用于与本软件分发相关的广告或宣传活动中。\n\n作者对本软件不承担任何担保责任，包括对适销性和特定用途适用性的所有默示担保。在任何情况下，作者均不对因使用、数据丢失或利润损失而引起的任何特殊、间接或后果性损害承担责任，无论此类损害是因合同行为、疏忽或其他侵权行为引起，亦或是与本软件的使用或性能有关。\n~                                                                             \n```\n\n## 使用方法\n\n##### 克隆此仓库\n```bash\ngit clone https:\u002F\u002Fgithub.com\u002Fnv-tlabs\u002FGSCNN\ncd GSCNN\n ```\n\n#### Python依赖\n\n目前代码支持 Python 3：\n* numpy\n* PyTorch (>=1.1.0)\n* torchvision\n* scipy\n* scikit-image\n* tensorboardX\n* tqdm\n* torch-encoding\n* opencv\n* PyYAML\n\n#### 下载预训练模型\n\n从 [Google Drive 文件夹](https:\u002F\u002Fdrive.google.com\u002Ffile\u002Fd\u002F1wlhAXg-PfoUM-rFy2cksk43Ng3PpsK2c\u002Fview) 下载预训练模型，并将其保存到 'checkpoints\u002F' 目录下。\n\n#### 下载推理结果图像\n\n如果需要，可以从 [Google Drive 文件夹](https:\u002F\u002Fdrive.google.com\u002Ffile\u002Fd\u002F105WYnpSagdlf5-ZlSKWkRVeq-MyKLYOV\u002Fview) 下载推理结果图像。\n\n#### 评估（Cityscapes 数据集）\n```bash\npython train.py --evaluate --snapshot checkpoints\u002Fbest_cityscapes_checkpoint.pth\n```\n\n#### 训练\n\n关于训练的说明：我们是在 8 张 NVIDIA GPU 上进行训练的，因此如果您尝试在单张 GPU 上训练 WiderResNet38 模型，可能会遇到问题。\n\n如果您使用此代码，请引用以下文献：\n\n```\n@article{takikawa2019gated,\n  title={Gated-SCNN: Gated Shape CNNs for Semantic Segmentation},\n  author={Takikawa, Towaki and Acuna, David and Jampani, Varun and Fidler, Sanja},\n  journal={ICCV},\n  year={2019}\n}\n```","# GSCNN 快速上手指南\n\nGSCNN (Gated-SCNN) 是用于语义分割的 gated shape CNN 模型，由 NVIDIA 团队在 ICCV 2019 发表。本指南将帮助你快速配置环境并运行预训练模型。\n\n## 环境准备\n\n在开始之前，请确保你的系统满足以下要求：\n\n*   **操作系统**: Linux (推荐 Ubuntu)\n*   **Python 版本**: Python 3.x\n*   **GPU**: 推荐使用 NVIDIA GPU（训练 WiderResNet38 等多卡模型时建议 8 张 GPU，单卡推理或轻量训练亦可）\n*   **核心依赖**:\n    *   PyTorch (>= 1.1.0)\n    *   torchvision\n    *   numpy, scipy, scikit-image\n    *   tensorboardX, tqdm\n    *   torch-encoding\n    *   opencv-python\n    *   PyYAML\n\n> **提示**：国内用户安装 Python 依赖时，建议使用清华或阿里镜像源加速下载。例如：\n> `pip install -r requirements.txt -i https:\u002F\u002Fpypi.tuna.tsinghua.edu.cn\u002Fsimple`\n\n## 安装步骤\n\n### 1. 克隆代码仓库\n```bash\ngit clone https:\u002F\u002Fgithub.com\u002Fnv-tlabs\u002FGSCNN\ncd GSCNN\n```\n\n### 2. 安装 Python 依赖\n请确保已安装 PyTorch，然后安装其他所需库：\n```bash\npip install numpy scipy scikit-image tensorboardX tqdm opencv-python PyYAML\npip install torch-encoding\n```\n*(注：若未安装 PyTorch，请访问 [PyTorch 官网](https:\u002F\u002Fpytorch.org\u002F) 根据你的 CUDA 版本获取安装命令)*\n\n### 3. 下载预训练模型\n从 Google Drive 下载 Cityscapes 数据集的预训练权重，并将其保存到 `checkpoints\u002F` 目录下。\n\n*   **下载地址**: [best_cityscapes_checkpoint.pth](https:\u002F\u002Fdrive.google.com\u002Ffile\u002Fd\u002F1wlhAXg-PfoUM-rFy2cksk43Ng3PpsK2c\u002Fview)\n*   **操作**: 下载后重命名为 `best_cityscapes_checkpoint.pth` 并放入项目根目录的 `checkpoints\u002F` 文件夹中。如果该文件夹不存在，请手动创建。\n\n*(可选) 如果需要查看推理结果图片，可从 [此处](https:\u002F\u002Fdrive.google.com\u002Ffile\u002Fd\u002F105WYnpSagdlf5-ZlSKWkRVeq-MyKLYOV\u002Fview) 下载。*\n\n## 基本使用\n\n完成上述步骤后，你可以直接在 Cityscapes 数据集上评估预训练模型的效果。\n\n**执行评估命令：**\n```bash\npython train.py --evaluate --snapshot checkpoints\u002Fbest_cityscapes_checkpoint.pth\n```\n\n**关于训练的说明：**\n官方代码基于 8 张 NVIDIA GPU 进行训练。如果你尝试在单张 GPU 上训练大型骨干网络（如 WiderResNet38），可能会遇到显存不足的问题，建议调整 batch size 或使用多卡环境。\n\n**引用：**\n如果在研究中使用此代码，请引用以下论文：\n```bibtex\n@article{takikawa2019gated,\n  title={Gated-SCNN: Gated Shape CNNs for Semantic Segmentation},\n  author={Takikawa, Towaki and Acuna, David and Jampani, Varun and Fidler, Sanja},\n  journal={ICCV},\n  year={2019}\n}\n```","某自动驾驶初创公司的感知算法团队正在优化城市道路场景下的语义分割模型，以解决复杂路况中车道线和建筑物边缘识别模糊的问题。\n\n### 没有 GSCNN 时\n- **边缘细节丢失**：传统 CNN 在处理建筑物轮廓、路沿石等细长结构时，往往因为多次下采样导致空间信息丢失，分割结果边缘粗糙且断裂。\n- **形状感知能力弱**：模型过度依赖局部纹理特征，难以捕捉物体的全局几何形状，导致在光照变化或遮挡情况下误判率高。\n- **后处理成本高**：为了弥补预测结果的碎片化问题，工程师不得不编写复杂的形态学后处理代码（如开闭运算）来平滑掩码，增加了推理延迟。\n- **小目标识别困难**：对于交通标志杆、隔离栏等窄长型小目标，常规网络极易将其忽略或错误分类为背景。\n\n### 使用 GSCNN 后\n- **边界精准还原**：利用 GSCNN 独有的“门控形状流”架构，模型显式地学习了物体的边界信息，使车道线和建筑边缘的分割结果连续且锐利。\n- **几何结构增强**：通过双流网络设计，GSCNN 将形状先验知识与语义特征深度融合，显著提升了模型对物体整体几何结构的理解能力，抗干扰性更强。\n- **端到端高效推理**：得益于内部机制对形状的天然约束，输出的分割掩码本身已足够平滑，团队成功移除了耗时的后处理步骤，降低了系统延迟。\n- **细长目标捕获率提升**：针对窄长结构的特殊优化，使得隔离栏和路灯杆等关键基础设施的检出率大幅提高，减少了漏检风险。\n\nGSCNN 通过引入显式的形状感知机制，从根本上解决了传统语义分割模型在几何细节表达上的短板，为高精度地图构建和安全驾驶决策提供了更可靠的视觉基础。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fnv-tlabs_GSCNN_8a7e996b.png","nv-tlabs","NVIDIA Spatial Intelligence Lab (SIL)","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002Fnv-tlabs_923b27b7.png","Our goal is to advance foundational technologies enabling AI systems to perceive, model, and meaningfully interact with the physical world.",null,"https:\u002F\u002Fresearch.nvidia.com\u002Flabs\u002Fsil\u002F","https:\u002F\u002Fgithub.com\u002Fnv-tlabs",[80,84],{"name":81,"color":82,"percentage":83},"Python","#3572A5",99.5,{"name":85,"color":86,"percentage":87},"Dockerfile","#384d54",0.5,937,200,"2026-03-24T07:26:05","NOASSERTION","未说明","需要 NVIDIA GPU，训练需 8 张显卡（单卡运行 WiderResNet38 模型会有问题），具体显存和 CUDA 版本未说明",{"notes":95,"python":96,"dependencies":97},"该代码基于 NVIDIA 的 semantic-segmentation 项目。官方训练使用了 8 张 NVIDIA GPU，若尝试在单张 GPU 上训练 WiderResNet38 模型可能会遇到问题。使用前需从 Google Drive 下载预训练模型并放入 'checkpoints\u002F' 目录。许可证为 CC BY-NC-SA 4.0，仅限非商业用途。","3.x",[98,99,100,101,102,103,104,105,106,107],"numpy","PyTorch>=1.1.0","torchvision","scipy","scikit-image","tensorboardX","tqdm","torch-encoding","opencv","PyYAML",[14,15],[110,111,112,113,114,72,115],"semantic-segmentation","deep-learning","iccv2019","computer-vision","pytorch","semantic-boundaries","2026-03-27T02:49:30.150509","2026-04-07T22:50:54.114460",[119,124,129,134,139,144],{"id":120,"question_zh":121,"answer_zh":122,"source_url":123},22776,"运行代码时出现 'TypeError: __init__() takes 11 positional arguments but 12 were given' 错误，如何解决？","这是由于 PyTorch 版本兼容性导致的。从 PyTorch v1.1.0 开始，`_ConvNd` 的构造函数增加了一个参数。\n解决方案有两种：\n1. 推荐升级代码以适配新版本（维护者已更新 README 依赖说明）。\n2. 如果坚持使用 PyTorch \u003C 1.1 版本，请修改 `my_functionals\u002FGatedSpatialConv.py` 文件第 36 行，移除传递给构造函数的 `'zeros'` 参数即可正常运行。","https:\u002F\u002Fgithub.com\u002Fnv-tlabs\u002FGSCNN\u002Fissues\u002F6",{"id":125,"question_zh":126,"answer_zh":127,"source_url":128},22777,"训练或评估时遇到 'CUDA out of memory' (显存不足) 错误怎么办？","该模型使用的 WideResNet38 骨干网络非常消耗显存。如果遇到显存不足，可以尝试以下方法：\n1. 降低输入图像的分辨率（这是最快的妥协方案）。\n2. 减小裁剪尺寸（crop size），例如设置为 360 或更小。\n3. 更换更轻量级的编码器网络（如 ResNet50 或 VGG16），但这需要修改架构代码。\n4. 确保使用至少 16GB 显存的 GPU，Google Colab 的 12GB 版本即使在低分辨率下也可能无法运行。","https:\u002F\u002Fgithub.com\u002Fnv-tlabs\u002FGSCNN\u002Fissues\u002F8",{"id":130,"question_zh":131,"answer_zh":132,"source_url":133},22778,"是否有使用保存的模型对单张图片进行推理（分割）的代码示例？","官方未直接提供单张图片推理脚本，但可以通过以下步骤手动实现：\n1. 导入必要的包（如 `matplotlib`, `PIL`, `torchvision.transforms`）。\n2. 解析参数并指向要使用的快照文件。\n3. 构建网络并加载权重：调用 `network.get_net()` 和 `optimizer.get_optimizer()`（需修改后者以返回加载权重的网络）。\n4. 执行 `torch.cuda.empty_cache()` 释放未占用的缓存内存。\n5. 设置设备（cuda\u002Fcpu）并将网络切换到评估模式 (`net.eval()`)。\n6. 预处理图片并传入网络进行前向传播。","https:\u002F\u002Fgithub.com\u002Fnv-tlabs\u002FGSCNN\u002Fissues\u002F84",{"id":135,"question_zh":136,"answer_zh":137,"source_url":138},22779,"在 Google Colab (12GB 显存) 上即使使用超低分辨率图片也无法训练，提示显存溢出，该如何解决？","即使将图片分辨率降至 64x64 或 128x128，12GB 显存仍可能不足以运行此模型。建议措施：\n1. 必须减小裁剪尺寸（crop size），默认值可能过大。\n2. 图像数量不影响显存占用，只影响训练时长，因此减少数据集大小无效。\n3. 强烈建议使用 16GB 或以上显存的 GPU 进行训练。","https:\u002F\u002Fgithub.com\u002Fnv-tlabs\u002FGSCNN\u002Fissues\u002F26",{"id":140,"question_zh":141,"answer_zh":142,"source_url":143},22780,"项目依赖的 PyTorch 版本是多少？PyTorch 1.1 及以上版本可以使用吗？","安装说明中提到的 PyTorch (\u003C= 1.0.0) 是旧版依赖。实际上代码已更新以支持 PyTorch 1.1+。\n如果在 PyTorch 1.1+ 上遇到构造函数参数错误，是因为新版 PyTorch 增加了参数。维护者已修复相关代码并更新了 README 中的依赖版本说明。如果仍在使用旧版 PyTorch (\u003C1.1)，则需要手动移除代码中多余的参数（如 'zeros'）。","https:\u002F\u002Fgithub.com\u002Fnv-tlabs\u002FGSCNN\u002Fissues\u002F5",{"id":145,"question_zh":146,"answer_zh":147,"source_url":128},22781,"运行评估时没有输出图像，且日志中出现显存警告，这是否意味着程序崩溃了？","如果不输出结果且日志中有显存警告，通常是因为显存不足导致模型无法完成前向传播或后处理。\n虽然代码可能没有直接抛出致命错误并停止，但显存瓶颈会导致无法生成预期的阈值和 F-Score 输出。\n解决方法参考显存优化建议：降低分辨率、减小 crop size 或更换更强大的 GPU。",[]]