[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-xiaotudui--pytorch-tutorial":3,"tool-xiaotudui--pytorch-tutorial":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",160411,2,"2026-04-18T23:33:24",[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。",109154,"2026-04-18T11:18:24",[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":72,"owner_avatar_url":73,"owner_bio":74,"owner_company":75,"owner_location":75,"owner_email":75,"owner_twitter":75,"owner_website":76,"owner_url":77,"languages":78,"stars":83,"forks":84,"last_commit_at":85,"license":75,"difficulty_score":86,"env_os":87,"env_gpu":88,"env_ram":88,"env_deps":89,"category_tags":93,"github_topics":94,"view_count":32,"oss_zip_url":75,"oss_zip_packed_at":75,"status":17,"created_at":96,"updated_at":97,"faqs":98,"releases":99},9509,"xiaotudui\u002Fpytorch-tutorial","pytorch-tutorial","PyTorch深度学习快速入门教程（绝对通俗易懂！）","pytorch-tutorial 是一套专为中文用户打造的 PyTorch 深度学习快速入门资源，旨在通过通俗易懂的方式帮助初学者跨越技术门槛。许多学习者在接触 PyTorch 时，常面临官方文档晦涩难懂、现有视频教程节奏不适或内容分散等痛点。pytorch-tutorial 正是为了解决这些问题而生，它由作者“土堆”精心录制，将复杂的概念转化为直观的视频讲解，并配套了完整的源代码（位于 src 文件夹），实现了理论与实践的无缝衔接。\n\n这套教程特别适合零基础的开发者、高校学生以及对人工智能感兴趣的研究人员使用。其独特的亮点在于课程编排逻辑清晰，摒弃了枯燥的理论堆砌，专注于让读者“听得懂、学得会”。目前，基础入门系列视频已完结，同时作者还在持续更新更具实战意义的进阶教程，涵盖更多实际应用场景。无论你是想快速上手构建第一个神经网络，还是希望系统深化对深度学习框架的理解，pytorch-tutorial 都能提供一条友好且高效的学习路径，陪伴你从入门走向精通。","# Pytorch教程\n\n相信尝试找到此教程的你，已经知道 PyTorch 的用途。\n\n找到此教程的你，也许跟我一样，尝试过各种教程，官方的教程文档，各色的视频，但发现都不是很友好。\n\n所以机缘巧合下，录制了这个视频。\n\n\n## 如何使用\n\n本系列教程，致力于打造成为通俗易懂的教程。所以课程安排的思路也是比较特点，相信一定能让你快速入门。\n\n本文提供视频版（已完结）。2021 年完结。\n\n**视频中涉及的代码均在src文件夹中。**\n\n\n视频版：https:\u002F\u002Fwww.bilibili.com\u002Fvideo\u002Fav74281036\u002F\n\n\n## 后续规划 & 进阶\n\n写于 2025年12月。\n\n最近录制了新的视频教程，目前检测入门教程。\n\n可以看作是 PyTorch 入门教程后续的实战或者进阶教程。正在努力更新中...\n\nhttps:\u002F\u002Fwww.bilibili.com\u002Fvideo\u002FBV19Z31z8ENH\u002F\n\n\n其实，我还有很多的课程想法以及一些奇怪的课程规划，但对于一个拖延症患者而言，先努力保持更新才是最重要的 :)\n\n如果你对此还挺期待的，可以关注公众号【我是土堆】，到时候我会在上面更新些有意思的东西。（很久很久没写文章了，上一篇还是几年前。）\n\n![](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fxiaotudui_pytorch-tutorial_readme_dc1c8963b61d.jpg)\n\n","# PyTorch 教程\n\n相信尝试找到此教程的你，已经知道 PyTorch 的用途。\n\n找到此教程的你，也许跟我一样，尝试过各种教程，官方的教程文档，各色的视频，但发现都不是很友好。\n\n所以机缘巧合下，录制了这个视频。\n\n\n## 如何使用\n\n本系列教程，致力于打造成为通俗易懂的教程。所以课程安排的思路也是比较特点，相信一定能让你快速入门。\n\n本文提供视频版（已完结）。2021 年完结。\n\n**视频中涉及的代码均在src文件夹中。**\n\n\n视频版：https:\u002F\u002Fwww.bilibili.com\u002Fvideo\u002Fav74281036\u002F\n\n\n## 后续规划 & 进阶\n\n写于 2025年12月。\n\n最近录制了新的视频教程，目前检测入门教程。\n\n可以看作是 PyTorch 入门教程后续的实战或者进阶教程。正在努力更新中...\n\nhttps:\u002F\u002Fwww.bilibili.com\u002Fvideo\u002FBV19Z31z8ENH\u002F\n\n\n其实，我还有很多的课程想法以及一些奇怪的课程规划，但对于一个拖延症患者而言，先努力保持更新才是最重要的 :)\n\n如果你对此还挺期待的，可以关注公众号【我是土堆】，到时候我会在上面更新些有意思的东西。（很久很久没写文章了，上一篇还是几年前。）\n\n![](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fxiaotudui_pytorch-tutorial_readme_dc1c8963b61d.jpg)","# PyTorch 教程快速上手指南\n\n本指南基于开源项目 `pytorch-tutorial`，旨在帮助开发者快速搭建环境并配合视频教程入门 PyTorch。\n\n## 环境准备\n\n在开始之前，请确保你的开发环境满足以下要求：\n\n*   **操作系统**：Windows, macOS 或 Linux\n*   **Python 版本**：推荐 Python 3.8 - 3.10\n*   **前置依赖**：\n    *   `pip` (Python 包管理工具)\n    *   `git` (用于克隆代码仓库)\n*   **硬件建议**：若需进行 GPU 加速训练，请确保已安装对应的 NVIDIA 驱动和 CUDA  Toolkit。\n\n## 安装步骤\n\n### 1. 获取源代码\n首先克隆本教程仓库，视频中涉及的所有代码均位于 `src` 文件夹中。\n\n```bash\ngit clone https:\u002F\u002Fgithub.com\u002Fyunjey\u002Fpytorch-tutorial.git\ncd pytorch-tutorial\n```\n\n### 2. 安装 PyTorch\n推荐使用国内镜像源（如清华大学镜像源）以加快下载速度。请根据你的实际硬件情况（CPU 或 GPU）选择安装命令。\n\n**方案 A：使用 pip + 清华镜像源（推荐）**\n\n*   **仅 CPU 版本**：\n    ```bash\n    pip install torch torchvision torchaudio --index-url https:\u002F\u002Fdownload.pytorch.org\u002Fwhl\u002Fcpu\n    ```\n\n*   **CUDA 11.8 版本（适用于大多数 NVIDIA 显卡）**：\n    ```bash\n    pip install torch torchvision torchaudio --index-url https:\u002F\u002Fdownload.pytorch.org\u002Fwhl\u002Fcu118\n    ```\n\n*   **CUDA 12.1 版本（适用于较新显卡）**：\n    ```bash\n    pip install torch torchvision torchaudio --index-url https:\u002F\u002Fdownload.pytorch.org\u002Fwhl\u002Fcu121\n    ```\n\n**方案 B：安装其他依赖**\n进入 `src` 目录，安装示例代码可能需要的其他第三方库：\n\n```bash\ncd src\npip install -r requirements.txt\n# 如果没有 requirements.txt，可根据具体示例脚本按需安装，例如：\n# pip install matplotlib numpy pillow\n```\n\n## 基本使用\n\n本教程的核心学习方式是**观看视频 + 运行源码**。\n\n1.  **观看教程视频**：\n    *   入门系列（已完结）：[Bilibili 视频链接](https:\u002F\u002Fwww.bilibili.com\u002Fvideo\u002Fav74281036\u002F)\n    *   进阶\u002F实战系列（更新中）：[Bilibili 视频链接](https:\u002F\u002Fwww.bilibili.com\u002Fvideo\u002FBV19Z31z8ENH\u002F)\n\n2.  **运行示例代码**：\n    代码文件位于 `src` 目录下，通常以 `.py` 结尾。你可以直接运行对应的脚本来复现视频中的效果。\n\n    **示例：运行一个基础的神经网络训练脚本**\n    （假设当前目录下有一个名为 `train.py` 的示例文件）\n\n    ```bash\n    cd src\n    python train.py\n    ```\n\n    *注：具体运行的文件名请参考对应视频章节的代码说明，部分示例可能需要下载数据集，脚本通常会自动处理或提供下载链接。*\n\n3.  **后续学习**：\n    完成基础示例后，可尝试修改超参数、网络结构或替换数据集，以深入理解 PyTorch 的工作机制。更多进阶内容请关注作者公众号【我是土堆】获取更新动态。","一名计算机专业的大三学生试图在两周内完成基于卷积神经网络的图像分类毕业设计，但面对复杂的深度学习框架感到无从下手。\n\n### 没有 pytorch-tutorial 时\n- 官方文档充斥着晦涩的学术术语和碎片化的 API 说明，初学者难以构建完整的知识体系。\n- 网络上的教程质量参差不齐，代码版本过旧或逻辑跳跃，导致环境配置失败且报错无法排查。\n- 缺乏直观的代码对照，看着视频里的理论头头是道，一到自己写代码就不知道如何搭建模型层级。\n- 学习曲线极其陡峭，大量时间浪费在理解基础概念上，导致核心算法实现进度严重滞后。\n- 遇到瓶颈时找不到系统性的进阶指引，容易陷入“从入门到放弃”的困境。\n\n### 使用 pytorch-tutorial 后\n- 通过通俗易懂的视频讲解，快速理清了张量运算、自动求导等核心概念，建立了清晰的学习路径。\n- 直接复用 src 文件夹中经过验证的最新代码，避免了环境兼容性问题，能立即上手运行并观察结果。\n- 视频与代码逐行对应，直观展示了从数据加载到模型训练的全流程，轻松掌握了网络结构的搭建技巧。\n- 学习效率显著提升，在短时间内完成了基线模型的构建与调优，将精力集中在业务逻辑创新上。\n- 依托后续的进阶实战教程，顺利从基础入门过渡到复杂场景应用，为毕业设计的深入优化提供了坚实支撑。\n\npytorch-tutorial 通过“视频 + 源码”的闭环教学模式，将枯燥的深度学习理论转化为可执行的工程能力，极大地降低了新手的学习门槛。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fxiaotudui_pytorch-tutorial_7ccce372.png","xiaotudui","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002Fxiaotudui_4b8aef9f.jpg",": )",null,"https:\u002F\u002Fwww.xiaotudui.com","https:\u002F\u002Fgithub.com\u002Fxiaotudui",[79],{"name":80,"color":81,"percentage":82},"Python","#3572A5",100,4126,755,"2026-04-18T17:48:01",1,"","未说明",{"notes":90,"python":88,"dependencies":91},"本仓库主要为视频教程配套代码，代码位于 src 文件夹中。教程分为 2021 年完结的入门篇和 2025 年更新的进阶实战篇。由于是教学性质内容，具体运行环境（如操作系统、Python 版本、CUDA 版本等）需参考视频中演示的环境或根据所安装的 PyTorch 版本自行配置，README 中未提供具体的版本约束和硬件要求。",[92],"torch",[14],[95,64],"pytorch","2026-03-27T02:49:30.150509","2026-04-19T15:26:05.494285",[],[]]