frgfm/holocron

PyTorch implementations of recent Computer Vision tricks (ReXNet, RepVGG, Unet3p, YOLOv4, CIoU loss, AdaBelief, PolyLoss, MobileOne). Other additions: AdEMAMix

What it solves

Holocronは、コンピュータビジョンのための最新のディープラーニング技術の高品質な実装ライブラリです。専門的なPyTorchレイヤー、損失関数、およびモデルアーキテクチャを集中管理しており、これらを個別に研究論文から探して実装する手間を省くことができます。

How it works

このライブラリはPyTorchエコシステムに直接統合されており、ユーザーはこれらの実装を独自のフレームワークやモデルズーと組み合わせて使用することができます。以下のような様々なプリトレーニング済みモデルやコンポーネントを提供します：

  • Layers & Components: 特殊な活性化関数（例：HardMish）、畳み込み（例：NormConv2d）、プーリング（例：BlurPool2d）、およびアテンションメカニズム（例：SAM）。
  • Architectures: 画像分類（例：RepVGG, ConvNeXt）、物体検出（例：YOLOv1-v4）、およびセマンティックセグメンテーション（例：U-Net, UNet++）のモデル実装。
  • Optimizers: Adamの代替となるオプティマイザー（例：LARS, Lamb, Adan）。

Who it’s for

コンピュータビジョンの研究者や開発者が、開発や実験を加速させるために、信頼できる、すぐに使える最先端のビジョンモデルやレイヤーを必要としている場合に設計されています。

Highlights

  • Broad Component Library: 幅広い活性化関数、損失関数、損失関数、畳み込み、およびオプティマイザーを含んでいます。

  • Hugging Face Integration: Hugging Face Spacesでホストされているライブデモアプリを提供します。

  • Latency Benchmarks: サポートされているモデルのGPU/CPUレイテンシデータを提供し、ユーザーがハードウェアに合わせて最適なアーキテクチャを選択するのを助けます。

  • Deployment Ready: DockerfileとFastAPIテンプレートを含むため、モデルをREST APIとして迅速にデプロイできる準備が整っています。