facebookresearch/fvcore

解決的問題

它提供了一套通用的、輕量級的核心實用程式與功能，這些功能在不同的電腦視覺框架（如 Detectron2 與 PySlowFast）中被廣泛使用，從而避免重複工作並確保一致性。

工作原理

它作為一個基礎函式庫，包含帶有類型註解（type-annotated）且經過基準測試的組件，包括常用的 PyTorch 層、損失函數以及用於模型分析與訓練管理的專用工具。

適用對象

正在構建或使用 FAIR 電腦視覺框架的電腦視覺研究人員與開發人員。

亮點

• 用於模型複雜度分析的階層式逐算子 FLOP 計數工具。
• 神經網路的遞迴參數計數。
• 無狀態、尺度不變的超參數排程器。
• 用於重新計算 BatchNorm 統計數據的實用程式。