灵活高效，内含SOTA模型，Facebook开源图像分类研究代码库pycls

上周Facebook AI 研究院悄悄开源一个图像分类代码库pycls，该库使用PyTorch实现，可以高效助力相关研究人员快速设计网络和训练。

该库最初用于论文 On Network Design Spaces for Visual Recognition 的研究中，现在已经发展成为一个成熟的图像分类库，作者称已经在Facebook内部不少表示学习的项目中使用。

https://arxiv.org/pdf/1905.13214.pdf

该库设计简单灵活，有助于研究人员快速实现和评估研究idea。借助于PyTorch的分布式训练方案可以方便实现单机多卡训练。目前该库已经实现的SOTA分类模型有ResNet, ResNeXt, EfficientNet，另外还有一些有用的建模函数，方便设计新模型。

使用方便，比如在2块GPU上训练ImageNet模型：

python tools/train_net.py \ --cfg configs/imagenet/resnet/R-50-1x64d_step_2gpu.yaml \ OUT_DIR /tmp

该库目前还没有上传模型，不过应该快了。

图像分类/细粒度分类交流群

赞 (0)

相关推荐