内容简介：52CV曾经分享过很多CV方面新出的论文和开源技术，我们可以非常明显的感受到，越来越多的人使用PyTorch开发新模型。一个明显的例子：
52CV曾经分享过很多CV方面新出的论文和开源技术，我们可以非常明显的感受到，越来越多的人使用PyTorch开发新模型。
一个明显的例子：
这篇谷歌最新的轻量级网络论文，最先开源的库竟然几乎全是使用PyTorch！
这倒不是说PyTorch多么友好，其实大家在讨论选择框架问题时，大部分人是在声讨TensorFlow的反人类。
有人就觉得其实PyTorch并不完美，想要自己再造轮子，就是下面这位小哥。
achaiah近日开源了一套PyTorch的高级训练框架Pywick，试图紧跟神经网络研究的最前沿，打造更加高级的API。
开源地址：
https://github.com/achaiah/pywick
Pywick包含：
-
标准库没有提供的最先进的normalization, activation, loss functions and optimizers；
-
拥有callbacks, constraints, metrics, conditions and regularizers特性的高级训练模块；
-
大量流行的目标识别与语义分割模型；
-
全面的数据加载与处理函数，包括data loading, augmentation, transforms, and sampling ；
-
实用的张量函数；
-
有用的训练监控工具；
-
基本的GridSearch参数调优工具。
Pywick 提供的 callbacks（回调函数）：
Pywick支持的regularizers与constraints
Pywick支持的图像分类模型：
Pywick支持的语义分割模型：
Pywick支持的大量的数据增广方法：
Pywick还提供了不平衡数据重采样函数。
Pywick仍在开发中，希望有更多先进的神经网络技术被实现。
开源地址：
https://github.com/achaiah/pywick
以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持 码农网
本站部分资源来源于网络，本站转载出于传递更多信息之目的，版权归原作者或者来源机构所有，如转载稿涉及版权问题，请联系我们。
