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。

转载请注明:《灵活高效,内含SOTA模型,Facebook开源图像分类研究代码库pycls