torchvision

Пакет torchvision включает популярные наборы данных, архитектуры моделей и общие трансформации изображений для компьютерного зрения.

Установка

Для установки стабильных версий torch и torchvision на вашей системе обратитесь к официальным инструкциям.

Для сборки исходного кода обратитесь к нашей странице вклада.

В таблице ниже приведены соответствующие версии torchvision и поддерживаемые версии Python.

Torchvision в настоящее время поддерживает следующие бэкенды для изображений:

• torch тензоры
• изображения PIL:
  • Pillow
  • Pillow-SIMD - значительно более быстрый дроп-ин заменитель для Pillow с использованием SIMD.

Подробнее в документации.

[НЕУСТОЙЧИВО] Видео

Torchvision в настоящее время поддерживает следующие бэкенды для видео:

• pyav (по умолчанию) - Pythonic binding для библиотек ffmpeg.
• video_reader - Это требует установки ffmpeg и сборки torchvision из исходников. Не должно быть установлено никаких конфликтующих версий ffmpeg. В настоящее время это поддерживается только на Linux.

conda install -c conda-forge 'ffmpeg<4.3'
python setup.py install

Использование моделей на C++

См. пример/cpp.

ВАЖНО: библиотека libtorchvision включает torchvision специфические операции на C++ а также большую часть C++ API torchvision. Эти API не имеют гарантий обратной совместимости и могут меняться от одной версии к другой. Только Python API стабильны и имеют гарантии обратной совместимости. Поэтому, если вам нужна стабильность в C++ окружении, лучший вариант - экспортировать Python API через torchscript.

Документация

Вы можете найти документацию API на сайте pytorch: https://pytorch.org/vision/stable/index.html

Вклад

См. файл CONTRIBUTING для информации о том, как помочь.## Замечание о наборах данных

Это утилитная библиотека, которая загружает и готовит публичные наборы данных. Мы не хостим или распространяем эти наборы данных, не гарантируем их качество или справедливость, и не утверждаем, что у вас есть лицензия на использование набора данных. Это ваша ответственность определить, имеете ли вы разрешение на использование набора данных в соответствии с лицензией набора данных.

Если вы являетесь владельцем набора данных и хотите обновить его (описание, цитирование и т.д.), или не хотите, чтобы ваш набор данных был включен в эту библиотеку, пожалуйста, свяжитесь с нами через GitHub issue. Спасибо за ваш вклад в сообщество машинного обучения!

Лицензия предварительно обученных моделей

Предварительно обученные модели, предоставляемые в этой библиотеке, могут иметь свои собственные лицензии или условия использования, вытекающие из набора данных, использованного для обучения. Это ваша ответственность определить, имеете ли вы разрешение на использование моделей для вашего случаев использования. Модели SWAG распространяются под лицензией CC-BY-NC 4.0. Подробнее см. ЛИЦЕНЗИЯ SWAG.

Цитирование TorchVision

Если вы находите TorchVision полезным в вашей работе, пожалуйста, рассмотрите возможность цитирования следующего вхождения BibTeX:```bibtex @software{torchvision2016, title = {TorchVision: Библиотека компьютерного зрения для PyTorch}, author = {Поддерживатели и вкладчики TorchVision}, year = 2016, journal = {GitHub репозиторий}, publisher = {GitHub}, howpublished = {\url{https://github.com/pytorch/vision}} }