OSCHINA-MIRROR/open-mmlab-mmclassification

Сайт OpenMMLab ^НОВЫЙ Платформа OpenMMLab ^{ПОДКЛЮЧИТЕСЬ}

📘 Документация | 🛠️ Установка | 👀 Каталог моделей | 🆕 Обновление новостей | 🤔 Отчет о проблемах

Ветка MMPreTrain 1.0 находится в тестировании, приветствуем всех, кто хочет попробовать её и обсудить с нами!

Введение

MMClassification — это открытый пакет инструментов для классификации изображений на основе PyTorch. Он является частью проекта OpenMMLab. Основной веткой работает с PyTorch 1.5+.

Основные возможности

Различные базовые модули и предобученные модели
Набор методик обучения
Конфигурации для масштабируемого обучения
Высокая производительность и расширяемость
Сильные наборы инструментов

Что нового

MMClassification версия 1.0 выпущена! Она пока нестабильна и находится в стадии кандидата на выпуск. Если вы хотите попробовать её, переходите на ветку OnClickListener и обсуждайте это с нами в диалогах.

Версия v0.25.0 была выпущена 12/06/2022 года. Основные нововведения версии:

Поддержка MLU-backend.
Добавлен скрипт dist_train_arm.sh для устройств ARM.

Версия v0.24.1 была выпущена 31/10/2022 года. Основные нововведения версии:

Поддержка устройств HUAWEI Ascend.

Версия v0.24.0 была выпущена 30/09/2022 года. Основные нововведения версии:

Поддержка HorNet, EfficientFormer, SwinTransformer V2 и MViT базовых модулей.
Поддержка набора данных Stanford Cars.

Дополнительные детали и история выпусков доступны в changelog.md.## Установка

Ниже приведены быстрые шаги для установки:

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 .

Дополнительные подробности по установке и подготовке данных доступны в install.md.

Начало работы

Пожалуйста, обратитесь к начало работы для базового использования MMClassification. Также есть руководства:

Полный список:- Узнайте о конфигах

Руководства для Google Colab также доступны:- Узнайте о Python API MMClassification: Просмотрите ноутбук или запустите его непосредственно в Colab.

Узнайте о инструментах командной строки MMClassification: Просмотрите ноутбук или запустите его непосредственно в Colab.

Клуб моделей

Результаты и модели доступны в клубе моделей.

Поддерживаемые основные архитектуры

- [x] [VGG](https://github.com/open-mmlab/mmclassification/tree/master/configs/vgg) - [x] [ResNet](https://github.com/open-mmlab/mmclassification/tree/master/configs/resnet) - [x] [ResNeXt](https://github.com/open-mmlab/mmclassification/tree/master/configs/resnext) - [x] [SE-ResNet](https://github.com/open-mmlab/mmclassification/tree/master/configs/seresnet) - [x] [SE-ResNeXt](https://github.com/open-mmlab/mmclassification/tree/master/configs/seresnext) - [x] [RegNet](https://github.com/open-mmlab/mmclassification/tree/master/configs/regnet) - [x] [ShuffleNetV1](https://github.com/open-mmlab/mmclassification/tree/master/configs/shufflenet_v1) - [x] [ShuffleNetV2](https://github.com/open-mmlab/mmclassification/tree/master/configs/shufflenet_v2) - [x] [MobileNetV2](https://github.com/open-mmlab/mmclassification/tree/master/configs/mobilenet_v2) - [x] [MobileNetV3](https://github.com/open-mmlab/mmclassification/tree/master/configs/mobilenet_v3) - [x] [Swin-Transformer](https://github.com/open-mmlab/mmclassification/tree/master/configs/swin_transformer) - [x] [RepVGG](https://github.com/open-mmlab/mmclassification/tree/master/configs/repvgg) - [x] [Vision-Transformer](https://github.com/open-mmlab/mmclassification/tree/master/configs/vision_transformer) - [x] [Transformer-in-Transformer](https://github.com/open-mmlab/mmclassification/tree/master/configs/tnt) - [x] [Res2Net](https://github.com/open-mmlab/mmclassification/tree/master/configs/res2net) - [x] [MLP-Mixer](https://github.com/open-mmlab/mmclassification/tree/master/configs/mlp_mixer) - [x] [DeiT](https://github.com/open-mmlab/mmclassification/tree/master/configs/deit) - [x] [Conformer](https://github.com/open-mmlab/mmclassification/tree/master/configs/conformer) - [x] [T2T-ViT](https://github.com/open-mmlab/mmclassification/tree/master/configs/t2t_vit) - [x] [Twins](https://github.com/open-mmlab/mmclassification/tree/master/configs/twins) - [x] [EfficientNet](https://github.com/open-mmlab/mmclassification/tree/master/configs/efficientnet) - [x] [ConvNeXt](https://github.com/open-mmlab/mmclassification/tree/master/configs/convnext) - [x] [HRNet](https://github.com/open-mmlab/mmclassification/tree/master/configs/hrnet) - [x] [VAN](https://github.com/open-mmlab/mmclassification/tree/master/configs/van) - [x] [ConvMixer](https://github.com/open-mmlab/mmclassification/tree/master/configs/convmixer)```markdown com/open-mmlab/mmclassification/tree/master/configs/convmixer) - [x] [CSPNet](https://github.com/open-mmlab/mmclassification/tree/master/configs/cspnet)com/open-mmlab/mmclassification/tree/master/configs/cspnet) - [x] [PoolFormer](https://github.com/open-mmlab/mmclassification/tree/master/configs/poolformer) - [x] [MViT](https://github.com/open-mmlab/mmclassification/tree/master/configs/mvit) - [x] [EfficientFormer](https://github.com/open-mmlab/mmclassification/tree/master/configs/efficientformer) - [x] [HorNet](https://github.com/open-mmlab/mmclassification/tree/master/configs/hornet) ```## Участие

Мы ценим все вклады, направленные на улучшение MMClassification. Пожалуйста, обратитесь к CONTRIBUTING.md для руководства по внесению вклада.

Отзывы

MMClassification — это открытый проект, созданный исследователями и инженерами из различных университетов и компаний. Мы благодарим всех участников, которые реализуют свои методы или добавляют новые возможности, а также пользователей, которые предоставляют ценную обратную связь. Надеемся, что этот набор инструментов и тестовых данных будет полезен для развивающегося научного сообщества, предоставляя гибкий набор инструментов для переimplementing существующих методов и создания новых классификаторов.

Цитирование

Если вы считаете этот проект полезным для ваших исследований, пожалуйста, рассмотрите возможность цитирования:

@misc{2020mmclassification,
    title={Инструментарий и тестовый набор для классификации изображений от OpenMMLab},
    author={Участники проекта MMClassification},
    howpublished = {\url{https://github.com/open-mmlab/mmclassification}},
    year={2020}
}

Лицензия

Этот проект распространяется под лицензией Apache 2.0.## Проекты в OpenMMLab- MMCV: Основная библиотека OpenMMLab для компьютерного зрения.

MIM: MIM устанавливает пакеты OpenMMLab.
MMClassification: Инструментарий и метрика OpenMMLab для классификации изображений.
MMDetection: Инструментарий и метрика OpenMMLab для детекции объектов.
MMDetection3D: Новое поколение платформы OpenMMLab для общей детекции трехмерных объектов.
MMRotate: Инструментарий и метрика OpenMMLab для детекции вращённых объектов.
MMSegmentation: Инструментарий и метрика OpenMMLab для сегментации изображений.
MMOCR: Инструментарий OpenMMLab для распознавания текста, его обнаружения и понимания.
MMPose: Инструментарий и метрика OpenMMLab для оценки поз.
MMHuman3D: Инструментарий и метрика OpenMMLab для трёхмерной модели человека.
MMSelfSup: Инструментарий и метрика OpenMMLab для самонаучения.
MMRazor: Инструментарий и метрика OpenMMLab для сжатия моделей.
MMFewShot: Инструментарий и метрика OpenMMLab для обучения с малым количеством примеров.
MMAction2: Новое поколение инструментария и метрики OpenMMLab для понимания действий.
MMTrackingcom/open-mmlab/mmtracking)): Инструментарий и метрика OpenMMLab для распознавания объектов на видео.
MMFlow): Инструментарий и метрика OpenMMLab для оптического потока.
MMEditing): Инструментарий OpenMMLab для редактирования изображений и видео.
MMGeneration): Инструментарий OpenMMLab для генеративных моделей изображений и видео.
MMDeploy): Фреймворк для развертывания моделей OpenMMLab.