🤖 Hugging Face AI 课程教程（中文版）

Hugging Face 官方课程的完整中文教程仓库，涵盖扩散模型与计算机视觉两大主题。所有 Notebook 均由英文原版逐单元格翻译而成，代码、图片、结构完全保留，仅将文本说明翻译为中文并补充中文注释。

版本：v1.0.0 ｜ 更新日期：2026-08-20 ｜ 运行环境：llm（conda）

仓库内容：2 个子项目 · 38 个动手 Notebook · 2 门课程完整覆盖

📦 项目结构

HF-COURSES/
├── computer-vision/          ← 计算机视觉教程（中文）
│   ├── README.md              ← CV 教程入口
│   ├── unit1-fundamentals/   (理论学习)
│   ├── unit2-cnns/           (2 notebook: ResNet18, VGG19)
│   ├── unit3-vit/            (8 notebook: DETR, Swin, LoRA, 蒸馏...)
│   ├── unit4-multimodal/     (6 notebook: CLIP 系列, ClipCrop)
│   ├── unit5-generative/     (1 notebook: CycleGAN)
│   ├── unit6-basic-cv/       (1 notebook: SAM 微调)
│   ├── unit7-video/          (1 notebook: ViViT 视频分类)
│   ├── unit8-3d-vision/      (理论学习)
│   ├── unit9-optimization/   (7 notebook: torch.compile, TensorRT, ONNX...)
│   ├── unit10-synthetic/    (5 notebook: BlenderProc, BLIP-2, SDXL...)
│   ├── unit11-zero-shot/    (理论学习)
│   ├── unit12-ethics/       (理论学习)
│   └── unit13-outlook/       (前沿综述)
│
├── diffusion-models/          ← 扩散模型教程（中文）
│   ├── README.md              ← DM 教程入口
│   ├── unit1/                (2 notebook: Diffusers 入门, 从零搭建)
│   ├── unit2/                (2 notebook: 微调与引导, 条件扩散模型)
│   ├── unit3/                (1 notebook: Stable Diffusion 入门)
│   └── unit4/                (2 notebook: DDIM 反转, 音频扩散)
│
├── notebooks/                 ← CV 课程原始英文 notebook（参考）
├── unit1/ ~ unit4/            ← DM 课程原始英文 notebook（参考）
└── README.md                  ← 本文件

🎯 两个子项目

1️⃣ 扩散模型教程（Diffusion Models）

单元	主题	Notebook	核心技术
Unit 1	扩散模型入门	2	Diffusers 库、DDPM、UNet
Unit 2	微调与条件化	2	DreamBooth、CLIP 引导、类别条件
Unit 3	Stable Diffusion	1	潜在扩散、VAE、CFG、DreamBooth
Unit 4	进一步探索	2	DDIM 反转、音频扩散

2️⃣ 计算机视觉教程（Computer Vision）

单元	主题	Notebook	核心技术
Unit 1	CV 基础	0	理论学习
Unit 2	CNN	2	ResNet18、VGG19、迁移学习
Unit 3	视觉 Transformer	8	DETR、Swin、LoRA、知识蒸馏、分割
Unit 4	多模态	6	CLIP 系列、ClipCrop、零样本
Unit 5	生成模型	1	CycleGAN
Unit 6	基础 CV 任务	1	SAM 微调
Unit 7	视频处理	1	ViViT 视频分类
Unit 8	3D 视觉	0	理论学习
Unit 9	模型优化	7	torch.compile、TensorRT、ONNX、Edge TPU
Unit 10	合成数据	5	BlenderProc、BLIP-2、OWL-V2、SDXL
Unit 11	零样本 CV	0	理论学习
Unit 12	伦理与偏见	0	理论学习
Unit 13	展望	0	前沿综述

🚀 快速开始

1. 创建环境

# 创建 llm 虚拟环境
conda create -n llm python=3.10 -y
conda activate llm

2. 安装依赖

# PyTorch 与核心库
pip install torch torchvision torchaudio

# Hugging Face 库
pip install transformers diffusers accelerate datasets huggingface_hub

# 计算机视觉专用
pip install timm open-clip-torch

# 模型优化
pip install onnx onnxruntime openvino optimum tensorrt

# 开发工具
pip install jupyter jupyterlab matplotlib pillow tqdm

3. 启动 Jupyter

conda activate llm
cd HF-COURSES
jupyter notebook

4. 学习路线

学习扩散模型 → 打开 diffusion-models/README.md

学习计算机视觉 → 打开 computer-vision/README.md

两个子项目相互独立，可按任意顺序学习。

📊 统计数据

指标	数量
中文版 Notebook	38 个
扩散模型 Notebook	7 个（Unit 1-4）
计算机视觉 Notebook	31 个（Unit 2-10）
单元 README	17 个
翻译中文字数	约 30 万+
保留代码行数	约 5 万+

⚠️ 注意事项

1. 原始代码完全保留：所有 notebook 中的 Python 代码未做任何修改，仅在顶部追加中文注释。
2. 首次运行需下载：预训练模型权重和数据集需要从 Hugging Face Hub 下载（数 MB 到数 GB 不等）。
3. GPU 推荐：训练类 notebook（微调、训练循环）建议使用 GPU。CPU 也能运行，但速度较慢。
4. 环境检查：每个 notebook 开头的「环境检查」代码块会自动验证当前是否处于 llm 环境。

📖 关于翻译

本教程基于 Hugging Face Diffusion Models Course 和 Hugging Face Computer Vision Course 的英文原版翻译而来。

翻译方式：

• ✅ 代码零改动：所有代码单元格原样保留
• ✅ 图片完整保留：base64 图片、URL 图片按原位置保留
• ✅ 单元格结构一致：与原始 notebook 单元格数量、顺序完全相同
• ✅ 文本逐句翻译：专业术语保留英文（ViT、CLIP、LoRA、SAM、DDPM、CFG 等）
• ✅ 中文注释：每个代码单元格顶部追加中文功能说明

📄 License

本教程基于 Hugging Face 官方课程内容翻译，遵循原始许可协议使用。