Введение
Английский | Китайский
MMClassification — это открытый пакет для работы с классификацией изображений на основе PyTorch, являющийся частью проекта OpenMMLab. Основной ветвью кода поддерживаются версии PyTorch выше 1.5.
Основные характеристики
- Поддержка различных базовых сетей и предобученных моделей
- Возможность конфигурирования множества методик обучения
- Большое количество конфигурационных файлов для обучения
- Высокая эффективность и масштабируемость
- Удобный набор инструментов
Журнал обновлений
MMClassification 1.0 уже выпущена! В настоящее время находится в бете; если вы хотите попробовать, переключитесь на ветку 1.x и присоединяйтесь к обсуждению на форуме.
06 декабря 2022 года выпущена версия v0.25.0:
- Добавлена поддержка устройств MLU
- Добавлен скрипт
dist_train_arm.sh для обучения на устройствах ARM
31 октября 2022 года выпущена версия v0.24.1:
- Добавлена поддержка устройств Huawei Ascend NPU.
30 сентября 2022 года выпущена версия v0.24.0:
- Добавлена поддержка архитектур HorNet, EfficientFormers, SwinTransformer V2 и MViT
- Добавлена поддержка данных Stanford Cars Dataset.
01 мая 2022 года выпущена версия v0.23.0- Добавлена поддержка архитектур DenseNet, VAN и PoolFormer с предобученными моделями
- Добавлена поддержка обучения на устройствах IPU
- Обновлен стиль документации API для удобства использования, подробнее здесь
Полная история выпусков и детали обновлений доступны в журнале обновлений
Установка
Ниже представлены базовые шаги 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 доступны в руководстве по установке.
Базовое руководство
Подробности доступны в базовом руководстве.Базовое руководство доступно в базовом руководстве. MMClassification также предоставляет более подробные руководства:
Мы также предоставляем соответствующие русскоязычные руководства в Colab:- Изучение Python API MMClassification: просмотр Notebook или запустите его в Colab
База моделей
Связанные результаты и модели доступны в модульном зоопарке
Поддерживаемые основные сети
- [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 в проекте
Мы очень рады любым вкладам, способствующим развитию MMClassification. Для участия в проекте следует руководству по вкладам.
Благодарность
MMClassification — это открытый проект, созданный совместными усилиями различных университетов и компаний. Мы благодарим всех, кто помогает нам воспроизводить алгоритмы и внедрять новые возможности, а также тех, кто предоставляет ценные отзывы.
Наша цель — обеспечить сообщество гибкими средствами для воспроизведения существующих алгоритмов и создания новых моделей, что будет способствовать дальнейшему развитию открытого программного обеспечения.
Цитирование
Если вы используете код или базу данных производительности этого проекта в своих исследованиях, пожалуйста, используйте следующий пример цитирования:
@misc{2020mmclassification,
title={Инструментарий и тестовая база OpenMMLab для классификации изображений},
author={Contributors MMClassification},
howpublished = {\url{https://github.com/open-mmlab/mmclassification}},
year={2020}
}
Лицензия
Проект распространяется с лицензией Apache 2.0.## Другие проекты OpenMMLab- MMCV: Базовая библиотека OpenMMLab для компьютерного зрения
-
MIM: MIM — единственный вход для проектов, алгоритмов и моделей OpenMMLab
-
MMClassification: Инструментарий OpenMMLab для классификации изображений
-
MMDetection: Инструментарий OpenMMLab для детекции объектов
-
MMDetection3D: Новая универсальная платформа OpenMMLab для 3D-детекции объектов
-
MMRotate: Инструментарий OpenMMLab для детекции вращательных рамок с тестовым базисом
-
MMSegmentation: Инструментарий OpenMMLab для сегментации изображений
-
MMOCR: Полный набор инструментов OpenMMLab для распознавания и анализа текста
-
MMPose: Инструментарий OpenMMLab для оценки поз
-
MMHuman3D: Инструментарий OpenMMLab для моделирования человеческого тела с тестовым базисом
-
MMSelfSup: Инструментарий OpenMMLab для самообучающихся моделей с тестовым базисом
-
MMRazor: Инструментарий OpenMMLab для сжатия моделей с тестовым базисом
-
MMFewShot: Инструментарий OpenMMLab для обучения с малым количеством образцов с тестовым базисом
-
MMAction2: Новый инструментарий OpenMMLab для понимания видео
-
MMTracking): Унифицированная платформа OpenMMLab для видеонаблюдения за объектами
-
MMFlow: Инструментарий OpenMMLab для оценки потока движения с тестовым базисом
-
MMEditing: Инструментарий OpenMMLab для редактирования изображений и видео
-
MMGeneration: Инструментарий OpenMMLab для генерации изображений и видео
-
MMDeploy: Фреймворк OpenMMLab для развертывания моделей
Добро пожаловать в сообщество OpenMMLabСканируйте QR-код ниже, чтобы подписаться на официальный аккаунт OpenMMLab на Zhihu и присоединиться к официальному QQ-чату команды OpenMMLab или связаться с официальным ассистентом WeChat OpenMMLab.
Мы будем рады видеть вас в сообществе OpenMMLab:
- 📢 Поделиться передовыми технологиями AI-фреймворков
- 💻 Раскрывать исходный код часто используемых модулей PyTorch
- 📰 Объявлять последние новости от OpenMMLab
- 🚀 Представлять передовые алгоритмы, разработанные командой OpenMMLab
- 🏃 Получать более эффективную помощь при решении проблем и обратной связи
- 🔥 Предоставлять платформу для взаимодействия со всеми разработчиками различных областей
Полезные материалы 📘 ждут вас 💗, присоединяйтесь к сообществу OpenMMLab 👬
Версия MMPreTrain 1.0 скоро будет выпущена, присоединяйтесь к тестированию и обсуждению! 
Опубликовать ( 0 )