Learning-Deep-Learning

GitHub
1.3k 180 非常简单 1 次阅读 2天前图像其他开发框架
AI 解读 由 AI 自动生成，仅供参考

Learning-Deep-Learning 是一个专注于深度学习与机器学习领域的论文阅读笔记仓库。它由英伟达自动驾驶项目 AI 总监 Patrick Langechuan Liu 维护，旨在帮助从业者系统性地梳理和消化海量的学术文献。

面对深度学习领域论文层出不穷、新手难以入手以及研究人员追踪前沿技术成本高等痛点，Learning-Deep-Learning 提供了结构化的知识路径。它不仅整理了从基础卷积神经网络到前沿 Transformer 架构的必读论文清单，还针对计算机视觉和自动驾驶场景，提供了如鸟瞰图感知（BEV）、语义占用预测、3D 车道线检测等热门主题的深度解读。

这套资源特别适合人工智能开发者、算法研究人员以及对自动驾驶技术感兴趣的学生使用。对于刚入门的读者，它提供了明确的“首月阅读计划”；对于资深从业者，其结合工业界量产经验与学术界最新成果的视角极具参考价值。

Learning-Deep-Learning 的独特亮点在于其“理论 + 实践”的双重维度：除了标准的论文笔记外，作者还通过"The Thinking Car"专栏撰写了一系列技术博客，将抽象的算法原理与中国自动驾驶量产落地的实际挑战相结合，为读者提供了难得的产业界洞察。

使用场景

某自动驾驶初创公司的感知算法工程师正在为量产项目调研最新的单目 3D 车道线检测方案，急需快速掌握学术界前沿进展并复现核心思路。

没有 Learning-Deep-Learning 时

  • 在海量论文中盲目搜索，难以辨别哪些是真正经过工业界验证的高质量文章，容易陷入低效阅读。
  • 面对复杂的数学公式和模型架构，缺乏直观的图解和通俗的笔记辅助，理解成本极高，往往读几页就放弃。
  • 无法快速建立知识体系，不知道从哪篇经典论文入手，导致学习路径混乱，浪费数周时间仍在基础概念上打转。
  • 缺少将理论与实际工程（如 BEV 感知、占用网络）结合的案例分析，难以将学术成果转化为落地代码。

使用 Learning-Deep-Learning 后

  • 直接参考作者整理的“可信论文源”和“首月必读清单”，迅速锁定如 Monocular 3D Lane Line Detection 等关键文献，精准高效。
  • 借助作者提供的详细阅读笔记和可视化图解，轻松攻克 Transformer 张量重塑、语义占用预测等晦涩难点，理解速度提升数倍。
  • 跟随作者从物理学家转型 AI 专家的实战路径，按主题（如拥挤场景检测、动态物体 SLAM）系统构建知识树，学习路线清晰明确。
  • 结合《The Thinking Car》专栏中关于中国量产挑战与工业界实践的深入分析，直接将学术理论映射到实际开发场景中，缩短研发周期。

Learning-Deep-Learning 不仅是一份论文笔记库，更是连接学术前沿与自动驾驶工程落地的加速器，帮助开发者在复杂技术浪潮中少走弯路。

运行环境要求

GPU

未说明

内存

未说明

依赖
notes该仓库（Learning-Deep-Learning）并非可执行的 AI 软件工具，而是作者 Patrick Langechuan Liu 的个人深度学习与机器学习论文阅读笔记集合。内容主要以 Markdown 文档形式存在，包含论文摘要、解读链接以及作者在 Medium 上的博客文章索引。因此，该项目不需要特定的操作系统、GPU、内存或 Python 环境即可浏览（仅需网页浏览器或文本编辑器）。文中提到的具体算法（如 Diffusion LLM, BEV Perception 等）仅作为笔记主题讨论，仓库本身不包含需要安装依赖库才能运行的源代码或模型权重。
python未说明
Learning-Deep-Learning hero image

快速开始

论文笔记

本仓库包含我对深度学习和机器学习相关论文的阅读笔记。灵感来源于 Denny Britz 和 Daniel Takeshi。一个使用 Github Pages 生成的极简网页可以在这里找到：https://patrick-llgc.github.io/Learning-Deep-Learning/。

关于我

我叫 Patrick Langechuan Liu。在物理学领域接受了约十年的训练与研究后，我发现了自己对深度学习和自动驾驶的热情。

目前我在 NVIDIA 担任 AI 总监，领导 NVIDIA 端到端自动驾驶项目 Alpamayo 的机器学习建模工作。

应该读什么

如果你是计算机视觉领域深度学习的新手，不知道从何入手，我建议你在最初的一个月左右深入研读 这份论文列表。我当时就是这样做的（查看我的笔记），效果非常好。

这里还有一份 可靠的论文来源列表，以防我找不到更多论文来读。

我的主题评论文章

我定期更新我的博客专栏 The Thinking Car。

AI 播客笔记

主题速记本

这一部分包含一些快速笔记（类似 git-gist），供未来的自己参考。

2025-02 (1)

2025-01 (10)

2025-12 (0)

2025-09 (2)

2025-06 (1)

2025-04

2024-12 (0)

2024-11 (1)

2024-06 (8)

2024-03 (11)

2024-02 (7)

2023-12 (4)

2023-09 (3)

2023-08 (3)

2023-07 (6)

2023-06 (5)

2023-05 (7)

2023-04 (1)

2023-03 (5)

2023-02 (4)

2023-01 (2)

2022-11 (1)

2022-10 (1)

2022-09 (3)

2022-08 (1)

2022-07 (8)

2022-06 (3)

2022-03 (1)

2022-02 (1)

2022-01 (1)

2021年12月 (5)

2021年11月 (4)

2021年10月 (3)

2021年9月 (11)

2021年8月 (11)

2021年7月 (1)

2021年6月 (2)

2021年4月 (5)

2021年3月 (4)

2021年1月 (7)

2020-12 (17)

2020-11 (18)

2020-10 (14)

2020-09 (15)

2020-08 (26)

2020-07 (25)

2020-06 (20)

2020-05 (19)

2020-04 (14)

2020-03 (15)

2020-02 (12)

2020-01 (19)

2019年12月 (12篇)

2019年11月 (20篇)

2019-10 (18)

2019-09 (17)

2019-08 (18)

2019-07 (19)

2019-06 (12)

2019年5月 (18篇)

2019年4月 (12篇)

2019-03 (19)

2019-02 (9)

2019-01 (10)

2018年

2017年及之前

待读论文

以下是等待阅读的论文列表。

深度学习一般

自我训练

2D目标检测与分割

鱼眼镜头

视频理解

剪枝与压缩

架构改进

强化学习

3D感知

立体视觉与光流

交通信号灯与交通标志

数据集与综述

无监督深度估计

室内深度

激光雷达

自我中心边界框预测

车道检测

跟踪

关键点：姿态与人脸

通用深度学习

单目3D

雷达感知

SLAM

雷达感知

综述与调查

自动驾驶中的感知之外

预测与规划

标注与工具

低层DL

早期NLP论文

非DL

技术债务

待整理（CVPR 2021 和 ICCV 2021 待读文献）

TODO

相似工具推荐

stable-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。 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。

★ 162.1k|★★★☆☆|今天
开发框架图像Agent

everything-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。 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。 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

★ 139k|★★☆☆☆|今天
开发框架Agent语言模型

ComfyUI

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。 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。 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。

★ 107.7k|★★☆☆☆|2天前
开发框架图像Agent

NextChat

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。 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。 NextChat 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。

★ 87.6k|★★☆☆☆|今天
开发框架语言模型

ML-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。 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。

★ 85k|★★☆☆☆|今天
图像数据工具视频

ragflow

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。 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。 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。

★ 77.1k|★★★☆☆|昨天
Agent图像开发框架