Huashu Design
alchaincyf · 技能
把你在 AI 智能体里写的一句话需求,变成一份完成的设计:发布动画、可点击的应用原型、可编辑的幻灯片、信息图,或一组小红书图片。可在多种智能体中使用。
来自 Surfrider 账号的 Gradio 应用,带有 data、models 和 tracking 文件夹,指向模型加跟踪的流程。适合想阅读跟踪演示或在浏览器里试用的开发者和学生。
Surfrider 是一款工具包,属于研究类,由 Mindket 上架。可免费获取。当前为第 1 版,最近更新于 。在本页下载,是一个装着它全部文件的 zip 压缩包。这些文件不会自己运行。
pip install -U huggingface_hub hf download Surfrider/surfnet --repo-type space --local-dir surfnet cd surfnet
Surfrider 是 Surfrider 账号发布的 Gradio 应用,地址里写作 surfnet。它的仓库里在 app.py 旁边有 data、models 和 tracking 文件夹,指向一个训练好的模型,后面接着一个跟踪步骤。页面没有说明,所以它到底跟踪什么没有得到确认。
想阅读小型跟踪流程或在浏览器里试用的开发者和学生,以及已经了解 Surfrider 项目的人。
| Industry | Who uses it | How they use it | Example |
|---|---|---|---|
| 软件 | 开发者 | 阅读 tracking 和 models 文件夹,看流程如何组织 | 打开 app.py 旁边的 tracking 文件夹 |
| 教育 | 计算机视觉学生 | 运行演示,研究检测和跟踪如何衔接 | 用一个示例输入试用 Space |
| 研究 | 环境与视觉团队 | 用自己的材料检验这个演示 | 把输出和自己的记录做对比 |
如果你需要有文档说明的行为,可以跳过它,因为页面没有解释输入和输出。
| Use case | Who | What they get back |
|---|---|---|
| 在线试用演示 | 好奇的任何人 | 应用对你的输入返回的内容 |
| 研究一个跟踪项目 | 学生和开发者 | 一个带 data、models 和 tracking 代码的 Python 项目可供阅读 |
pip install -U huggingface_hub hf download Surfrider/surfnet --repo-type space --local-dir surfnet cd surfnet pip install gradio==3.0.12 pip install -r requirements.txt python app.py
在浏览器里打开 Space 页面,按页面显示的控件操作。如果是本地副本,运行应用,然后打开 Gradio 为你打开的页面。
python app.py
| Tool | What it does |
|---|---|
| python app.py | 在你的电脑上启动 Gradio 应用 |
| hf download | 把 Space 的文件复制到本地文件夹 |
打开 Space,给它一个它要求的输入。应用应该会返回模型和跟踪步骤的结果。页面没有说明输入和结果是什么样子,所以请以页面实际显示的为准。
如果你是新手,先打开 Space,在读代码之前试一下它提供的最简单的输入。请把它当作演示,而不是成品。
如果你熟悉这个领域,从目录结构看,检测模型放在 models 文件夹里,跟踪器放在 tracking 文件夹里。页面没有指名模型、数据集或指标。它固定使用较旧的 Gradio 3.0.12 和 Python 3.9.14。
来自 Surfrider 账号的 Gradio 应用,带有 data、models 和 tracking 文件夹,指向模型加跟踪的流程。适合想阅读跟踪演示或在浏览器里试用的开发者和学生。
由 Surfrider 在 Hugging Face 上制作。这些说明是 Mindket 根据它的 Space 页面和 README 写的,应用自己的文件和许可证在 Hugging Face 上。
它是什么:Surfrider 是 Surfrider 账号发布的 Gradio 应用,地址里写作 surfnet。它的仓库里在 app.py 旁边有 data、models 和 tracking 文件夹,指向一个训练好的模型,后面接着一个跟踪步骤。页面没有说明,所以它到底跟踪什么没有得到确认。
适合谁:想阅读小型跟踪流程或在浏览器里试用的开发者和学生,以及已经了解 Surfrider 项目的人。
Industry | Who uses it | How they use it | Example
软件 | 开发者 | 阅读 tracking 和 models 文件夹,看流程如何组织 | 打开 app.py 旁边的 tracking 文件夹
教育 | 计算机视觉学生 | 运行演示,研究检测和跟踪如何衔接 | 用一个示例输入试用 Space
研究 | 环境与视觉团队 | 用自己的材料检验这个演示 | 把输出和自己的记录做对比
如果你需要有文档说明的行为,可以跳过它,因为页面没有解释输入和输出。
用在哪里:
Use case | Who | What they get back
在线试用演示 | 好奇的任何人 | 应用对你的输入返回的内容
研究一个跟踪项目 | 学生和开发者 | 一个带 data、models 和 tracking 代码的 Python 项目可供阅读
如何设置:
pip install -U huggingface_hub
hf download Surfrider/surfnet --repo-type space --local-dir surfnet
cd surfnet
pip install gradio==3.0.12
pip install -r requirements.txt
python app.py
如何使用:在浏览器里打开 Space 页面,按页面显示的控件操作。如果是本地副本,运行应用,然后打开 Gradio 为你打开的页面。
python app.py
Tool | What it does
python app.py | 在你的电脑上启动 Gradio 应用
hf download | 把 Space 的文件复制到本地文件夹
示例:打开 Space,给它一个它要求的输入。应用应该会返回模型和跟踪步骤的结果。页面没有说明输入和结果是什么样子,所以请以页面实际显示的为准。
新手与专家:如果你是新手,先打开 Space,在读代码之前试一下它提供的最简单的输入。请把它当作演示,而不是成品。
如果你熟悉这个领域,从目录结构看,检测模型放在 models 文件夹里,跟踪器放在 tracking 文件夹里。页面没有指名模型、数据集或指标。它固定使用较旧的 Gradio 3.0.12 和 Python 3.9.14。
输入进入应用
models 文件夹里的模型运行
跟踪代码跟随结果
Gradio 显示输出
注意事项:
在浏览器里打开这个 Space,或在它的页面上把它复制到你自己的 Hugging Face 账号。这个工具包里没有会自己运行的东西。
README.md 4 KB
同一分类里与本产品共有标签最多的已上架 Hugging Face Space。
| 产品 | 点赞 | 构建方式 | 许可证 | 最近更新 |
|---|---|---|---|---|
| Surfrider 本页 | 7 | gradio | mit | |
| Open VLM Leaderboard共有 gradio | 1,034 | gradio | apache-2.0 | |
| Face Swap共有 gradio | 808 | gradio | cc-by-nc-sa-4.0 | |
| TTS Spaces Arena共有 gradio | 493 | gradio | zlib | |
| Depth Anything 3共有 gradio | 490 | gradio | cc-by-nc-4.0 | |
| BLIP共有 gradio | 431 | gradio | bsd-3-clause |
alchaincyf · 技能
把你在 AI 智能体里写的一句话需求,变成一份完成的设计:发布动画、可点击的应用原型、可编辑的幻灯片、信息图,或一组小红书图片。可在多种智能体中使用。
op7418 · 技能
能生成单文件 HTML 幻灯片、幻灯片配图和多平台封面的技能,有两套视觉风格,还带演讲者模式用于排练。适合使用 Claude Code 或 Codex 的演讲者。
alirezarezvani · 技能
为 Claude Code 和其他编程智能体提供 411 个现成技能,按角色分组,从工程、产品到营销、财务和合规。以插件方式安装。适合开发者和业务团队。
dBenf · 工具包
回答关于卫星图像块的类型化问题,使用 Sentinel-2 的全部 12 个波段,为每个选项返回概率,不生成文字。这是 Qwen3.5-0.8B 的微调版本,适合地球观测研究者。
zimmerk4 · 工具包
用一个在 JAX 物理模拟器里学会的小型策略网络,从头到尾通关游戏 Getting Over It。适合强化学习研究者和好奇的动手爱好者。
yuji-nozawa · 工具包
一篇研究论文的三种规模的预训练视觉 Transformer 检查点,论文研究如何训练注意力头去关注图像区域。适合提取图像特征和复现论文的研究人员。