CV-第三方库：OpenMMLab----＞MMClassification

本文链接：https://blog.youkuaiyun.com/u013250861/article/details/129114654

MMClassification是一个基于PyTorch的开源图像分类库，支持多种主干网络、预训练模型和训练技巧。它具有高效率和高可扩展性，且不断更新支持新的硬件设备和网络结构。用户可以参考详细教程进行使用，并可以通过其模型库获取相关模型。项目鼓励社区参与贡献，并遵循Apache2.0许可证。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

MMClassification 是一款基于 PyTorch 的开源图像分类工具箱，是 OpenMMLab 项目的成员之一

主分支代码目前支持 PyTorch 1.5 以上的版本。

主要特性

支持多样的主干网络与预训练模型
支持配置多种训练技巧
大量的训练配置文件
高效率和高可扩展性
功能强大的工具箱

更新日志

MMClassification 1.0 已经发布！目前仍在公测中，如果希望试用，请切换到 1.x 分支，并在讨论版参加开发讨论！

2022/12/06 发布了 v0.25.0 版本

支持 MLU 设备
添加了用于 ARM 设备训练的 dist_train_arm.sh

2022/10/31 发布了 v0.24.1 版本

支持了华为昇腾 NPU 设备。

2022/9/30 发布了 v0.24.0 版本

支持了 HorNet，EfficientFormerm，SwinTransformer V2，MViT 等主干网络。
支持了 Support Standford Cars 数据集。

2022/5/1 发布了 v0.23.0 版本

支持了 DenseNet，VAN 和 PoolFormer 三个网络，并提供了预训练模型。
支持在 IPU 上进行训练。
更新了 API 文档的样式，更方便查阅，欢迎查阅。

发布历史和更新细节请参考更新日志

安装

以下是安装的简要步骤：

conda create -n open-mmlab python=3.8 pytorch=1.10 cudatoolkit=11.3 torchvision==0.11.0 -c pytorch -y
conda activate open-mmlab
pip3 install openmim
mim install mmcv-full
git clone https://github.com/open-mmlab/mmclassification.git
cd mmclassification
pip3 install -e .

更详细的步骤请参考安装指南进行安装。

基础教程

请参考基础教程来了解 MMClassification 的基本使用。MMClassification 也提供了其他更详细的教程：

我们也提供了相应的中文 Colab 教程：

了解 MMClassification Python API：预览 Notebook 或者直接在 Colab 上运行。
了解 MMClassification 命令行工具：预览 Notebook 或者直接在 Colab 上运行。

模型库

相关结果和模型可在 model zoo 中获得

支持的主干网络

参与贡献

我们非常欢迎任何有助于提升 MMClassification 的贡献，请参考贡献指南来了解如何参与贡献。

致谢

MMClassification 是一款由不同学校和公司共同贡献的开源项目。我们感谢所有为项目提供算法复现和新功能支持的贡献者，以及提供宝贵反馈的用户。

我们希望该工具箱和基准测试可以为社区提供灵活的代码工具，供用户复现现有算法并开发自己的新模型，从而不断为开源社区提供贡献。

引用

如果你在研究中使用了本项目的代码或者性能基准，请参考如下 bibtex 引用 MMClassification。

@misc{2020mmclassification,
    title={OpenMMLab's Image Classification Toolbox and Benchmark},
    author={MMClassification Contributors},
    howpublished = {\url{https://github.com/open-mmlab/mmclassification}},
    year={2020}
}