一套从零开始的 PyTorch 中文学习笔记：共 18 章，每章含 Markdown 原文 + 导出的 PDF + 配图，从框架安装、张量与自动求导，一路覆盖 CNN / RNN / Transformer、`torch.nn` / `torch.optim` / `torchvision` 参考手册、模型部署，并以两个完整实战项目（CIFAR-10 图像分类、中文文本情感分析）收尾。
《OpenCV & Python 图像处理项目教程（微课版）》（项目编号 65178）配套实战源码仓库。 全库按 9 个项目（章节）组织：200+ 个可直接运行的 Python 脚本、全部示例图片/视频素材、人脸检测/识别预训练模型，以及每个项目的讲义（`项目N.md`）。
转载的 GitHub 上面开源的 高性价比人生指南 ，无缝兼容claude code和codex，deepseek harness暂时不兼容
厦门算能 SE7-2-BA4-01 （BM1684X，INT8 32TOPS，物理内存 16GB）上的私有化 AI 能力部署工程。 本仓库同时包含「跑在盒子上」的服务代码、「跑在 PC 上」的部署/验收工具，以及三份落地报告。 一句话概括：把一台离线边缘盒子，做成了带对话 Agent、文生图/超分、TTS/ASR、知识库问答、 文搜图/文搜视频的内网 AI 服务器，并且每一项都经过真机端到端验证。
电子乐谱与音乐描述格式（musicxml）、五线谱绘制及其自动播放系统 、MIDI乐器接口 音乐编程性等基础算法套件与工具。 1.midi 与 musicxml 格式的相互转换 2.电子乐谱的排版格式与即时编辑 3.乐器自动播放系统
项目说明：基于YOLOv5‑s实现厨房场景 **mouse(老鼠)、cockroach(蟑螂)、dog(狗)、cat(猫)** 四分类目标检测。数据集一共400张图片，7:3划分（训练集280张，测试集120张）；使用LabelImg标注VOC‑xml，转换YOLO‑txt标签；迁移学习微调；OpenVINO推理加速，适配Intel CPU实现实时厨房监控告警。
# 基于多种特征和卷积神经网络的食物音频分类 使用深度学习中的卷积神经网络（CNN / VGG）对食物咀嚼音频进行分类，支持 20 种食物类别。项目包含两条技术路线：基于**特征图**的 2D 图像分类（`代码.ipynb`）和基于**原始波形**的 1D 卷积分类（`AUDIO-CLASSIFICATION/`）。
基于卷积神经网络的食物音频分类项目（PyTorch 版） > 本项目对 Kaggle「进食声音数据集」（20 类食物咀嚼声音）进行分类： > 实验一用 librosa 提取 8 种音频特征图，分别送入 CNN / VGG 训练；实验二用梅尔频谱特征训练轻量 CNN。 > 原始代码基于 Keras / TensorFlow。 > 已完整迁移为 PyTorch 实现。
ENSO（厄尔尼诺）预测深度学习项目 项目概述 本项目来源于 **2021数知地球AI创新挑战赛——AI助力精准气象和海洋预测** 晋级赛，旨在利用深度学习方法对 **ENSO（厄尔尼诺-南方涛动）** 事件进行预测。项目基于 CMIP 气候模式数据和 SODA 海洋再分析观测数据，通过多种深度学习网络架构预测 **Nino3.4 指数**，为气象和海洋预报提供智能化解决方案。
一个随课程/教程推进的 **PyTorch 个人学习仓库**：从框架安装、张量基础，到 CNN / RNN / Transformer， 再到模型保存、部署（FastAPI）以及两个完整实战项目（CIFAR-10 图像分类、中文文本情感分析）。 主体内容是按章节编号的 Jupyter Notebook（`01` ~ `18`），配套数据、权重与图表产物都放在项目根下。
