Pytorch使用大核的卷积神经网络: RepLKNet

最新推荐文章于 2025-03-03 11:35:32 发布

makao007

最新推荐文章于 2025-03-03 11:35:32 发布

阅读量1.6k

点赞数 4

分类专栏：深度学习文章标签： pytorch cnn 深度学习人工智能

本文链接：https://blog.youkuaiyun.com/makao007/article/details/127675862

版权

本文介绍了如何使用RepLKNet，一个基于Pytorch的大核卷积神经网络，并通过Cutlass库进行加速。首先，可以从GitHub项目获取RepLKNet的源码。然后，下载并安装Cutlass加速库，设置环境变量后，可以显著提升RepLKNet的运行速度，加速比达到40%。完整流程和所需文件可在RepLKNet项目中找到。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

RepLKNet 项目在这里： https://github.com/DingXiaoH/RepLKNet-pytorch

使用最简单的方法是：

from replknet import create_RepLKNet31B
model = create_RepLKNet31B(num_classes=10)

# 这样没有优化，运行起来非常慢。

要加速，就是安装加速代码：

下载，解压 cutlass.zip

cd /examples/19_large_depthwise_conv2d_torch_extension

安装

sudo python setup.py install --user

验证是否安装成功:

python depthwise_conv2d_implicit_gemm.py

# 添加环境变量：
pwd #/home/ubuntu/code/cutlass/examples/19_large_depthwise_conv2d_torch_extension
vi ~/.bashrc
export PYTHONPATH=/home/ubuntu/code/cutlass/examples/19_large_depth