practical-computer-vision

跟练 Notebook，从零跑通 CV 训练全流程

这是一个面向计算机视觉学习者的实战训练营开源项目，以 Jupyter Notebook 为主要载体，配套测验与视频讲解。它解决的是传统 CV 教程偏理论、代码零散、缺少动手闭环的问题：把图像分类、目标检测、分割、神经网络训练等主题拆成可逐格运行的 notebook，让学习者在真实数据集和 PyTorch 代码中理解每个环节。项目整合了 FiftyOne 做数据可视化与质量检查、Weights & Biases 做实验追踪，覆盖从数据准备、模型搭建、训练调参到结果分析的完整流程。适合已有 Python 和深度学习基础、希望系统补齐 CV 工程实践的人，按章节顺序练习即可获得可复现的实验体验，也可作为课程或自学路线的骨架。

开源 free 学习教育

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 203

维护状态活跃

是否开源是

定价模式 free

项目数据

分类学习教育

开发团队andandandand

所属国家

官网地址

GitHubhttps://github.com/andandandand/practical-computer-vision

定价模式free

价格说明开源免费学习资料

访问状态

是否开源是

开源协议NOASSERTION

主要语言Jupyter Notebook

技术栈/模型artificial-intelligence,computer-vision,deep-learning,fiftyone,machine-learning,neural-networks,pytorch,wandb

GitHub 星标★ 203

30天Star增速

HF 下载量

上线时间2025-02-18 00:00:00

最近更新2026-09-15 00:00:00

维护状态活跃

中文支持

访问方式

移动端支持

综合评分

收录时间2026-09-18

浏览次数0

使用教程

核心亮点

Notebook 逐格可运行，边看边改，学习反馈即时
覆盖分类、检测、分割等主流任务，路线完整不零散
集成 FiftyOne 与 W&B，顺带学会数据检查和实验追踪工具

不足之处

星标数较少，社区讨论和 issue 响应规模有限
以教学为主，缺少生产级部署与工程化内容

适用场景

自学计算机视觉，按章节动手跑通训练流程
高校或培训班用作 CV 课程配套实验材料
转行者用真实数据集补足 PyTorch 实战经验

替代项目

d2l-zh、fastai、opencv-python-tutorial

项目介绍

practical-computer-vision 是一个学习教育领域的开源项目，官方简介：Practical Computer Vision Bootcamp with notebooks, quizzes, and videos。项目使用 Jupyter Notebook 开发，在 GitHub 上获得 203 星标。

上一篇：visionbook

下一篇：100-AI-Machine-learning-Deep-learning-Computer-vision-NLP