notebooks

跟着最新视觉模型教程，边看边跑代码，快速上手实战

开源 🏷️定价信息待确认 🚫 站点已失效学习教育 🍴 复刻 1503 🐛 待处理 91 👀 关注 113

访问官网 ↗ GitHub ↗

GitHub 星标 ★ 9742

维护状态维护中

是否开源开源

定价模式 🏷️定价信息待确认

项目预览

项目数据

分类学习教育

开发团队roboflow

官网地址https://roboflow.com/models

GitHubhttps://github.com/roboflow/notebooks

定价模式🏷️定价信息待确认

价格说明定价信息待确认

访问状态🚫 站点已失效

是否开源是

主要语言Jupyter Notebook

技术栈/模型automatic-labeling-system,computer-vision,deep-learning,deep-neural-networks,google-colab,image-classification,image-segmentation,machine-learning,object-detection,open-vocabulary-detection,open-vocabulary-segmentation,paligemma,pytorch,qwen,tutorial,vlm,yolov5,yolov8,zero-shot-classification,zero-shot-detection

GitHub 星标★ 9742

上线时间2022-11-18 00:00:00

代码更新2026-09-22

仓库体积1.01 GB

本站数据更新2026-11-10

维护状态维护中

收录时间2026-08-10

浏览次数18

项目介绍

这是一个计算机视觉领域的教程合集，基于 Jupyter Notebook 编写，旨在帮助开发者从基础到前沿系统学习视觉模型与技术。项目覆盖了从 ResNet 等经典架构到 RF-DETR、YOLO11、SAM 3、Qwen3-VL 等最新模型的实战案例，每个教程都配有可运行的代码和详细解释，支持在 Google Colab 中直接运行，降低了学习门槛。它解决了视觉开发者面对海量模型时缺乏系统化、可实操学习资源的问题，核心能力包括图像分类、目标检测、图像分割等任务的完整示例，以及自动标注等实用技巧。无论你是入门者还是想跟进前沿的工程师，都能从中获得直接可复用的代码和思路。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整

数据来源：GitHub API 逐日快照 · 收录于 2026-08-10 · 当前星标 ★ 9742

技术标签

computer-vision deep-learning deep-neural-networks google-colab image-classification

使用教程

难度：入门约 10 分钟部署方式：本地安装 5 步

环境要求

已安装 Python 3，且支持 python3 -m venv（含 venv 模块）
能访问 PyPI 以安装 notebook 包
本地已有 notebooks 仓库文件（可从 GitHub 仓库获取）
可选：Google Colab / Kaggle 账号，可直接在线运行教程
可选：Amazon SageMaker Studio Lab 免费账号

安装与启动步骤

1创建虚拟环境

在 notebooks 项目目录下创建独立虚拟环境，README 明确提醒不要把依赖装到全局环境。
```
python3 -m venv venv
```
2激活虚拟环境

README 给出的是 macOS/Linux 命令，激活后终端提示符前会出现 (venv) 标记。
```
source venv/bin/activate
```
3安装 Jupyter

在已激活的虚拟环境中安装 notebook，用于打开并运行本项目的 .ipynb 教程。
```
pip install notebook
```
4启动 Notebook

启动 Jupyter Notebook 服务，终端会输出访问地址，浏览器自动打开文件列表。
```
jupyter notebook
```
5云端备选方案

不想本地部署时，可在 Amazon SageMaker Studio Lab 免费环境中导入官方教程 notebook 运行。