分类 库名称 (PyPI包名) 官方文档地址 主要用途 计算机视觉 OpenCV (opencv-python) https://docs.opencv.org/4.x/index.html 图像处理、视频分析、传统CV算法（基石） 计算机视觉 A

第一步：官方报名与缴费（唯一正规渠道） 软考报名全国统一入口，但具体考务由各省组织。 1. 报名入口 官方网站：中国计算机技术职业资格网(https://www.ruankao.org.cn) 备用入口：部分省份可能有自己的人事考试网链接，但最终都会

资源名称 网站地址 简介 BBC英语教学 (中文网) https://www.bbc.co.uk/learningenglish/chinese 这是BBC官方出品的免费双语学习网站，内容权威，有音频、视频和文字稿，非常适合系统化学习。

MIT (麻省理工学院): MIT 6.036: Introduction to Machine Learning:https://introml.mit.edu/ 特点:面向本科生的机器学习入门课程。网站提供详细的课程讲义 (Lecture Sl

📚 专业语料库资源 资源名称 官方下载/访问地址 关键指引 燚炎英汉平行语料库 http://corpus.bfsu.edu.cn/info/1082/1693.htm 访问该页面后，在内容中找到直接的下载链接，点击即可获取语料库压缩包。 联合国平

镜像站名称 主要同步内容 主页地址 特点与使用频率 清华大学 TUNA 镜像站 全品类（PyPI, Conda, Docker Hub, Ubuntu, 等） https://mirrors.tuna.tsinghua.edu.cn/ 国内最著名、

项目名称 多语言支持与评价 GitHub地址 模型下载方式与地址 (多源) 下载与使用说明 EasyOCR ✅支持极佳 (80+语言) 评价：开箱即用，语言支持最广，社区模型丰富，是多语言快速验证的首选。 JaidedAI/EasyOCR 1. 自

一、深度学习框架类 ✅不需要手动安装CUDA/cuDNN的包 包名 用途 安装命令 说明 torch PyTorch深度学习框架 pip install torch torchvision torchaudio --index-url https:/

🗂️ 本地可下载AI模型完整表格 类别 模型名称 文件格式 大小 下载地址 中文支持 最小显存 推荐用途 📝 文本生成 Llama 3 8B Instruct .safetensors 15GB huggingface.co/me

学习阶段 核心模块 知识点（含 2024-2025 最新技术） 学习网站（含有效网址） GitHub 项目地址 学习视频网站（含有效网址） 基础奠基阶段（3-4 个月） 数学与物理基础 1. 核心数学：线性代数（矩阵运算、齐次坐标、特征值分解、张量

生成式AI（Generative AI）学习大纲（Excel 适配版，含 2024-2025 最新技术与全量资源） 学习阶段 核心模块 知识点（含 2024-2025 最新技术） 学习网站（含有效网址） GitHub 项目地址 学习视频网站（含有效网

学习阶段 核心模块 知识点（含 2024-2025 最新技术） 学习网站（含有效网址） GitHub 项目地址 学习视频网站（含有效网址） 基础奠基阶段（2-3 个月） 数学与编程基础 1. 核心数学：线性代数（矩阵运算、特征分解）、概率论（贝叶斯

计算机视觉（CV）学习大纲（Excel 适配版，含最新技术与全量资源） 学习阶段 核心模块 知识点（含 2024-2025 最新技术） 学习网站（含有效网址） GitHub 项目地址 学习视频网站（含有效网址） 基础奠基阶段（2-3 个月） 数学与编

人工智能学习大纲（Excel适配版，含最新算法与有效资源） 学习阶段 模块 知识点（含2024-2025最新算法） 学习网站（含有效网址） GitHub项目地址 学习视频网站（含有效网址） 基础预备阶段（1-2个月） 数学基础 线性代数：向量、矩阵运

一、Cursor（免费版） 下载地址： 官网：https://www.cursor.com/（支持 Windows、macOS、Linux 系统，直接下载对应安装包即可） 安装步骤： 进入官网，点击「Download Now」，根据系统选择版本（如

一、各组件核心用途 1. NVIDIA 显卡驱动 本质：连接操作系统与 NVIDIA 显卡的桥梁程序 核心用途： 使操作系统能够识别和控制 NVIDIA 显卡 提供显卡硬件加速能力（图形渲染、视频解码等） 为 CUDA 提供底层硬件支持，是 CUDA

OCR识别之easyocr

import cv2 as cv import numpy as np from matplotlib import pyplot as plt class FeatureDetectionAndDescription: def __init__(

import cv2 as cv import numpy as np import matplotlib.pyplot as plt class ImageProcessing: def __init__(self, image_path): s

import cv2 as cv import numpy as np import matplotlib.pyplot as plt from matplotlib import pyplot as plt class HistogramProc