[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-yenchenlin--pix2pix-tensorflow":3,"tool-yenchenlin--pix2pix-tensorflow":64},[4,17,26,40,48,56],{"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},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。",107662,2,"2026-04-03T11:11:01",[13,14,15],{"id":27,"name":28,"github_repo":29,"description_zh":30,"stars":31,"difficulty_score":23,"last_commit_at":32,"category_tags":33,"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",[14,34,35,36,15,37,38,13,39],"数据工具","视频","插件","其他","语言模型","音频",{"id":41,"name":42,"github_repo":43,"description_zh":44,"stars":45,"difficulty_score":10,"last_commit_at":46,"category_tags":47,"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",[15,14,13,38,37],{"id":49,"name":50,"github_repo":51,"description_zh":52,"stars":53,"difficulty_score":10,"last_commit_at":54,"category_tags":55,"status":16},519,"PaddleOCR","PaddlePaddle\u002FPaddleOCR","PaddleOCR 是一款基于百度飞桨框架开发的高性能开源光学字符识别工具包。它的核心能力是将图片、PDF 等文档中的文字提取出来，转换成计算机可读取的结构化数据，让机器真正“看懂”图文内容。\n\n面对海量纸质或电子文档，PaddleOCR 解决了人工录入效率低、数字化成本高的问题。尤其在人工智能领域，它扮演着连接图像与大型语言模型（LLM）的桥梁角色，能将视觉信息直接转化为文本输入，助力智能问答、文档分析等应用场景落地。\n\nPaddleOCR 适合开发者、算法研究人员以及有文档自动化需求的普通用户。其技术优势十分明显：不仅支持全球 100 多种语言的识别，还能在 Windows、Linux、macOS 等多个系统上运行，并灵活适配 CPU、GPU、NPU 等各类硬件。作为一个轻量级且社区活跃的开源项目，PaddleOCR 既能满足快速集成的需求，也能支撑前沿的视觉语言研究，是处理文字识别任务的理想选择。",74939,"2026-04-05T23:16:38",[38,14,13,37],{"id":57,"name":58,"github_repo":59,"description_zh":60,"stars":61,"difficulty_score":23,"last_commit_at":62,"category_tags":63,"status":16},2471,"tesseract","tesseract-ocr\u002Ftesseract","Tesseract 是一款历史悠久且备受推崇的开源光学字符识别（OCR）引擎，最初由惠普实验室开发，后由 Google 维护，目前由全球社区共同贡献。它的核心功能是将图片中的文字转化为可编辑、可搜索的文本数据，有效解决了从扫描件、照片或 PDF 文档中提取文字信息的难题，是数字化归档和信息自动化的重要基础工具。\n\n在技术层面，Tesseract 展现了强大的适应能力。从版本 4 开始，它引入了基于长短期记忆网络（LSTM）的神经网络 OCR 引擎，显著提升了行识别的准确率；同时，为了兼顾旧有需求，它依然支持传统的字符模式识别引擎。Tesseract 原生支持 UTF-8 编码，开箱即用即可识别超过 100 种语言，并兼容 PNG、JPEG、TIFF 等多种常见图像格式。输出方面，它灵活支持纯文本、hOCR、PDF、TSV 等多种格式，方便后续数据处理。\n\nTesseract 主要面向开发者、研究人员以及需要构建文档处理流程的企业用户。由于它本身是一个命令行工具和库（libtesseract），不包含图形用户界面（GUI），因此最适合具备一定编程能力的技术人员集成到自动化脚本或应用程序中",73286,"2026-04-03T01:56:45",[13,14],{"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":78,"owner_location":78,"owner_email":78,"owner_twitter":78,"owner_website":79,"owner_url":80,"languages":81,"stars":90,"forks":91,"last_commit_at":92,"license":93,"difficulty_score":94,"env_os":95,"env_gpu":96,"env_ram":97,"env_deps":98,"category_tags":104,"github_topics":78,"view_count":23,"oss_zip_url":78,"oss_zip_packed_at":78,"status":16,"created_at":105,"updated_at":106,"faqs":107,"releases":123},2981,"yenchenlin\u002Fpix2pix-tensorflow","pix2pix-tensorflow","TensorFlow implementation of \"Image-to-Image Translation Using Conditional Adversarial Networks\".","pix2pix-tensorflow 是一个基于 TensorFlow 框架的开源项目，它复现了著名的“图像到图像翻译”研究论文。简单来说，它的核心功能是让计算机学会如何将一种类型的图片自动转换成另一种类型，例如将建筑线的草图渲染成逼真的照片，或将黑白地图转化为彩色卫星图。\n\n这一工具主要解决了传统图像处理中难以建立复杂输入与输出映射关系的难题。通过利用条件生成对抗网络（cGAN），它能够从成对的训练数据中学习规律，从而实现高质量的图像风格迁移、修复或增强，无需人工编写繁琐的规则。\n\npix2pix-tensorflow 非常适合具备一定编程基础的开发者、人工智能研究人员以及计算机视觉领域的学生使用。由于项目依赖 Linux 环境、NVIDIA GPU 及特定的深度学习库，它更偏向于技术探索与模型训练，而非面向普通大众的即用型软件。\n\n在技术实现上，该项目有一个独特的优化细节：为了防止判别器收敛过快导致训练失衡，代码特意设定生成器每轮更新两次，而判别器仅更新一次。这一策略虽与原论文略有不同，但借鉴了成熟的 DCGAN 实现经验，有效提升了模型训练的稳定性与最终生成效果。","# pix2pix-tensorflow\n\nTensorFlow implementation of [Image-to-Image Translation Using Conditional Adversarial Networks](https:\u002F\u002Farxiv.org\u002Fpdf\u002F1611.07004v1.pdf) that learns a mapping from input images to output images. \n\nHere are some results generated by the authors of paper:\n\n\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fyenchenlin_pix2pix-tensorflow_readme_230f170a6c3b.jpg\" width=\"900px\"\u002F>\n\n## Setup\n\n### Prerequisites\n- Linux\n- Python with numpy\n- NVIDIA GPU + CUDA 8.0 + CuDNNv5.1\n- TensorFlow 0.11\n\n### Getting Started\n- Clone this repo:\n```bash\ngit clone git@github.com:yenchenlin\u002Fpix2pix-tensorflow.git\ncd pix2pix-tensorflow\n```\n- Download the dataset (script borrowed from [torch code](https:\u002F\u002Fgithub.com\u002Fphillipi\u002Fpix2pix\u002Fblob\u002Fmaster\u002Fdatasets\u002Fdownload_dataset.sh)):\n```bash\nbash .\u002Fdownload_dataset.sh facades\n```\n- Train the model\n```bash\npython main.py --phase train\n```\n- Test the model:\n```bash\npython main.py --phase test\n```\n\n## Results\nHere is the results generated from this implementation:\n\n- Facades:\n\n  \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fyenchenlin_pix2pix-tensorflow_readme_4971d64449f5.png\" width=\"700px\"\u002F>\n\nMore results on other datasets coming soon!\n\n**Note**: To avoid the fast convergence of D (discriminator) network, G (generator) network is updated twice for each D network update, which differs from original paper but same as [DCGAN-tensorflow](https:\u002F\u002Fgithub.com\u002Fcarpedm20\u002FDCGAN-tensorflow), which this project based on.\n\n## Train\nCode currently supports [CMP Facades](http:\u002F\u002Fcmp.felk.cvut.cz\u002F~tylecr1\u002Ffacade\u002F) dataset. To reproduce results presented above, it takes 200 epochs of training. Exact computing time depends on own hardware conditions.\n\n## Test\nTest the model on validation set of [CMP Facades](http:\u002F\u002Fcmp.felk.cvut.cz\u002F~tylecr1\u002Ffacade\u002F) dataset. It will generate synthesized images provided corresponding labels under directory `.\u002Ftest`.\n\n\n## Acknowledgments\nCode borrows heavily from [pix2pix](https:\u002F\u002Fgithub.com\u002Fphillipi\u002Fpix2pix) and [DCGAN-tensorflow](https:\u002F\u002Fgithub.com\u002Fcarpedm20\u002FDCGAN-tensorflow\u002Fblob\u002Fmaster\u002Fmodel.py). Thanks for their excellent work!\n\n## License\nMIT\n","# pix2pix-tensorflow\n\n基于 TensorFlow 的实现，用于 [使用条件对抗网络进行图像到图像的转换](https:\u002F\u002Farxiv.org\u002Fpdf\u002F1611.07004v1.pdf)，该方法学习从输入图像到输出图像的映射。\n\n以下是论文作者生成的一些结果：\n\n\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fyenchenlin_pix2pix-tensorflow_readme_230f170a6c3b.jpg\" width=\"900px\"\u002F>\n\n## 环境搭建\n\n### 前提条件\n- Linux 操作系统\n- 安装了 NumPy 的 Python 环境\n- NVIDIA GPU + CUDA 8.0 + CuDNN v5.1\n- TensorFlow 0.11\n\n### 快速开始\n- 克隆本仓库：\n```bash\ngit clone git@github.com:yenchenlin\u002Fpix2pix-tensorflow.git\ncd pix2pix-tensorflow\n```\n- 下载数据集（脚本借自 [torch 代码](https:\u002F\u002Fgithub.com\u002Fphillipi\u002Fpix2pix\u002Fblob\u002Fmaster\u002Fdatasets\u002Fdownload_dataset.sh)）：\n```bash\nbash .\u002Fdownload_dataset.sh facades\n```\n- 训练模型：\n```bash\npython main.py --phase train\n```\n- 测试模型：\n```bash\npython main.py --phase test\n```\n\n## 结果\n以下是本实现生成的结果：\n\n- Facades 数据集：\n\n  \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fyenchenlin_pix2pix-tensorflow_readme_4971d64449f5.png\" width=\"700px\"\u002F>\n\n更多其他数据集的结果即将发布！\n\n**注意**：为避免判别器 D 网络过快收敛，生成器 G 网络在每次更新判别器 D 网络时会更新两次。这与原论文有所不同，但与本项目所基于的 [DCGAN-tensorflow](https:\u002F\u002Fgithub.com\u002Fcarpedm20\u002FDCGAN-tensorflow) 一致。\n\n## 训练\n当前代码支持 [CMP Facades](http:\u002F\u002Fcmp.felk.cvut.cz\u002F~tylecr1\u002Ffacade\u002F) 数据集。要复现上述结果，需要训练 200 个 epoch。具体耗时取决于硬件条件。\n\n## 测试\n在 [CMP Facades](http:\u002F\u002Fcmp.felk.cvut.cz\u002F~tylecr1\u002Ffacade\u002F) 数据集的验证集上测试模型。程序将在 `.\u002Ftest` 目录下生成基于相应标签的合成图像。\n\n## 致谢\n本代码大量借鉴了 [pix2pix](https:\u002F\u002Fgithub.com\u002Fphillipi\u002Fpix2pix) 和 [DCGAN-tensorflow](https:\u002F\u002Fgithub.com\u002Fcarpedm20\u002FDCGAN-tensorflow\u002Fblob\u002Fmaster\u002Fmodel.py) 的实现。感谢他们的优秀工作！\n\n## 许可证\nMIT 许可证","# pix2pix-tensorflow 快速上手指南\n\n本指南基于 `pix2pix-tensorflow` 项目，帮助开发者快速在本地部署并运行基于条件对抗网络（Conditional Adversarial Networks）的图像到图像翻译模型。\n\n## 环境准备\n\n在开始之前，请确保您的开发环境满足以下要求：\n\n*   **操作系统**：Linux\n*   **编程语言**：Python (需安装 `numpy`)\n*   **硬件加速**：NVIDIA GPU + CUDA 8.0 + CuDNN v5.1\n*   **深度学习框架**：TensorFlow 0.11\n\n> **注意**：该项目依赖较旧版本的 TensorFlow (0.11) 和 CUDA 环境。如果您使用的是现代硬件或新版驱动，可能需要配置兼容的 Docker 容器或虚拟环境以避免版本冲突。\n\n## 安装步骤\n\n### 1. 克隆代码仓库\n使用 git 将项目代码下载到本地：\n\n```bash\ngit clone git@github.com:yenchenlin\u002Fpix2pix-tensorflow.git\ncd pix2pix-tensorflow\n```\n\n### 2. 下载数据集\n本项目默认支持 [CMP Facades](http:\u002F\u002Fcmp.felk.cvut.cz\u002F~tylecr1\u002Ffacade\u002F) 数据集。运行以下脚本自动下载（脚本源自官方 torch 实现）：\n\n```bash\nbash .\u002Fdownload_dataset.sh facades\n```\n\n> **国内加速提示**：如果上述脚本下载速度较慢或失败，建议手动访问数据集官网或通过国内镜像源下载 `facades` 数据包，解压后放入项目对应的数据目录中。\n\n## 基本使用\n\n### 训练模型\n使用下载好的数据集开始训练模型。默认配置下，复现论文结果大约需要 200 个 epoch（具体耗时取决于硬件性能）：\n\n```bash\npython main.py --phase train\n```\n\n> **技术细节**：为了防止判别器（D）过快收敛，本实现中生成器（G）每更新一次，判别器更新两次时会伴随生成器的额外更新（即 G 更新频率高于 D），这与原论文略有不同，但沿用了 DCGAN-tensorflow 的策略。\n\n### 测试模型\n训练完成后，在验证集上测试模型效果。生成的合成图像将保存在 `.\u002Ftest` 目录下：\n\n```bash\npython main.py --phase test\n```","某城市规划院的设计团队正致力于将大量手绘的建筑立面草图快速转化为逼真的实景效果图，以加速方案汇报流程。\n\n### 没有 pix2pix-tensorflow 时\n- **人工绘制效率低下**：设计师需手动为每张草图填充材质、光影和细节，处理一张图平均耗时数小时，难以应对批量需求。\n- **风格一致性难保证**：不同设计师或同一设计师在不同时间绘制的效果图，在色调和笔触上存在差异，导致整套方案视觉风格不统一。\n- **修改成本高昂**：一旦建筑轮廓或局部设计发生变更，几乎需要重新绘制整张效果图，无法实现“一键更新”。\n- **依赖昂贵外包**：因内部人手不足，常需将渲染工作外包给第三方，不仅增加了项目预算，还延长了沟通与交付周期。\n\n### 使用 pix2pix-tensorflow 后\n- **自动化生成提速**：只需输入带有语义标签的草图，pix2pix-tensorflow 即可在秒级时间内自动生成高保真建筑立面图，效率提升数十倍。\n- **输出风格高度统一**：模型基于同一数据集训练，确保所有生成的效果图在光照、纹理和色彩风格上保持严格一致，提升方案专业度。\n- **迭代响应即时**：当草图线条调整后，重新运行测试脚本即可立即获得新的渲染结果，极大降低了试错和修改的时间成本。\n- **本地部署降本**：团队利用现有 NVIDIA GPU 服务器即可完成训练与推理，无需额外购买软件许可或支付外包费用，显著降低运营成本。\n\npix2pix-tensorflow 通过将图像翻译任务自动化，帮助设计团队实现了从“手工绘图”到“智能生成”的效率跃迁。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fyenchenlin_pix2pix-tensorflow_230f170a.jpg","yenchenlin","Yen-Chen Lin","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002Fyenchenlin_0259d25e.jpg",null,"http:\u002F\u002Fyenchenlin.me","https:\u002F\u002Fgithub.com\u002Fyenchenlin",[82,86],{"name":83,"color":84,"percentage":85},"Python","#3572A5",99.1,{"name":87,"color":88,"percentage":89},"Shell","#89e051",0.9,938,299,"2026-03-05T21:31:13","MIT",4,"Linux","必需，NVIDIA GPU，需配合 CUDA 8.0 和 CuDNN v5.1","未说明",{"notes":99,"python":100,"dependencies":101},"该工具基于较旧的 TensorFlow 0.11 版本，仅明确支持 Linux 系统。训练复现论文结果需要 200 个 epoch，具体耗时取决于硬件条件。代码逻辑中生成器 (G) 每次判别器 (D) 更新时会更新两次，以防止 D 过快收敛，这与原论文略有不同但参考了 DCGAN-tensorflow 的实现。","未说明 (需包含 numpy)",[102,103],"TensorFlow==0.11","numpy",[14],"2026-03-27T02:49:30.150509","2026-04-06T08:42:04.215372",[108,113,118],{"id":109,"question_zh":110,"answer_zh":111,"source_url":112},13756,"代码是否支持 TensorFlow 0.12 版本？训练时报错怎么办？","是的，最新版本已经可以在 TensorFlow 0.12 上正常运行。如果之前遇到关于 batch_norm 的错误，应用相关的修复补丁即可解决。","https:\u002F\u002Fgithub.com\u002Fyenchenlin\u002Fpix2pix-tensorflow\u002Fissues\u002F6",{"id":114,"question_zh":115,"answer_zh":116,"source_url":117},13757,"运行代码时出现 'ValueError: Filter must not be larger than the input' 错误如何解决？","可以通过修改代码中的 placeholder 定义来解决。将：\n`self.real_data = tf.placeholder(tf.float32, [self.batch_size, self.image_size, self.image_size, self.input_c_dim + self.output_c_dim], name='real_A_and_B_images')`\n改为：\n`self.real_data = tf.placeholder(tf.float32, [None, None, None, self.input_c_dim + self.output_c_dim], name='real_A_and_B_images')`\n此外，升级到 TensorFlow 0.11 或更高版本也可以修复此问题。","https:\u002F\u002Fgithub.com\u002Fyenchenlin\u002Fpix2pix-tensorflow\u002Fissues\u002F2",{"id":119,"question_zh":120,"answer_zh":121,"source_url":122},13758,"下载数据集脚本报错 '404 Not Found' 是什么原因？","这通常是因为下载 URL 中缺少了具体的数据集名称。请确保在运行下载脚本时，正确指定了数据集的名字（例如 facades、maps 等），完整的 URL 应包含数据集名称部分。","https:\u002F\u002Fgithub.com\u002Fyenchenlin\u002Fpix2pix-tensorflow\u002Fissues\u002F18",[]]