ClassyVision：基于PyTorch的开源图像和视频分类框架
项目地址: https://gitcode.com/gh_mirrors/cl/ClassyVision 1. 项目基础介绍
ClassyVision 是由 Facebook Research 开发的一个基于 PyTorch 的端到端图像和视频分类框架。该项目旨在为大规模训练最先进的图像和视频分类模型提供一个高效且易于使用的工具。ClassyVision 提供了模块化和灵活的设计，使得用户可以基于 PyTorch 之上的简单抽象来训练机器学习模型。
主要编程语言：Python
2. 核心功能
ClassyVision 的核心功能包括：
- 易于使用：提供了模块化设计，使得训练机器学习模型变得简单。
- 高性能：能够以高效率训练模型，例如在 ImageNet 数据集上训练 Resnet50 只需15分钟。
- 大规模训练的成功案例：复制了弱监督预训练极限探索论文中的结果。
- 与 PyTorch Hub 的集成：可以轻松下载和微调公开可用的 ImageNet 模型。
- 弹性训练：通过 PyTorch Elastic 的集成，使得分布式训练能够根据集群资源的变化进行调整，并对临时硬件故障具有鲁棒性。
3. 最近更新的功能
ClassyVision 的最近更新包含以下功能：
- 增加了 RegNetZ 模型。
- 提供了 Vision Transformers 模型的实现和训练配方。
- 实现了梯度裁剪和梯度累积。
- 添加了对 AdamW 优化器的支持。
- 实现了精确批量归一化钩子。
- 添加了对全卷积线性头部自适应池化的支持。
- 支持同步批量归一化组大小。
- 添加了 CSV 钩子以手动检查模型预测。
- 提供了 ClassyModel 教程。
- 迁移到了 Hydra 1.0。
- 移除了 tensorboardX 的依赖。
通过这些更新，ClassyVision 进一步提高了其性能和易用性，为研究者和工程师提供了强大的工具。
创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
