facebookresearch/fvcore

解决的问题

它提供了一套通用的、轻量级的核心实用程序和功能，这些功能在不同的计算机视觉框架（如 Detectron2 和 PySlowFast）中被广泛使用，从而避免重复劳动并确保一致性。

工作原理

它作为一个基础库，包含带有类型注解（type-annotated）且经过基准测试的组件，包括常用的 PyTorch 层、损失函数以及用于模型分析和训练管理的专用工具。

适用对象

正在构建或使用 FAIR 计算机视觉框架的计算机视觉研究人员和开发人员。

亮点

• 用于模型复杂度分析的层级化逐算子 FLOP 计数工具。
• 神经网络的递归参数计数。
• 无状态、尺度不变的超参数调度器。
• 用于重新计算 BatchNorm 统计数据的实用程序。