AI-资源统计(实时追踪)

1. AI学习教程

1. UFLDL Tutorial

网址：http://ufldl.stanford.edu/tutorial/
入门级的深度学习原理介绍，搭配了基于matlab的m语言的练习实践。

2. OpenAI Spinning Up

网址：https://spinningup.openai.com/en/latest/index.html
这是2018年OpenAI编写的基于深度学习的强化学习教程，教程循序接近的介绍一几种强化学习算法，使得学者可以很快了解强化学习的基本思想，配备的有源码和练习，每个案例的训练时间不超过10分钟，非常适合学习尝试。OpenAI在编写这个教程时，旨在提高全名AI水平，构建一个安全的AI世界，如果你对此感兴趣，值的由此切入。

3. Dive into Deep Learning

网址：https://zh-v2.d2l.ai/
这是一个非常全面的学习教程，包含视频课程、PPT、教材、源代码。具有一定的权威性，已经被全球500多所大学用于教学。讲述内容从多层感知机到现代的神经网络，有视觉的和语言的，涵盖内同非常全面。源码使用了MXnet、Pytorch、TensorFlow、Paddle多种框架。是一个非常好的入门、实践教程。

2. 开源模型

1. yolo-v8

网址：https://docs.ultralytics.com/zh/
基于Ultralytics的yolo-v8有着全栈的服务。工作模式包含：训练、验证、测试、模型导出、基准测试。可处理任务包含：目标检测、视频跟踪、分割、图片分类、姿态检测、视频跟踪。还包括数据集的自动下载，网站提供了多个数据集的介绍和下载链接，模型训练过程的监控等，提供了不同模型的对比，包括与SAM的对比。

2. SAM(Segment Anything )

网址：https://segment-anything.com/
(SAM) 是一种先进的图像分割模型，可以进行可提示的分割，为图像分析任务提供了前所未有的灵活性。SAM 是Segment Anything 项目的核心，该项目引入了一种新颖的模型、任务和图像分割数据集
SAM 先进的设计允许它在没有先验知识的情况下适应新的图像分布和任务，这个特点被称为零样本转移。SAM 在包含11亿个掩模的SA-1B数据集上进行训练，该数据集包含超过1100万张精心策划的图像，SAM 在零样本任务中表现出色，许多情况下超过了之前的完全监督结果。