6.6 KiB
English | 简体中文
Introduction
MMClassification 是一款基于 PyTorch 的开源图像分类工具箱，是 OpenMMLab 项目的成员之一
参考文档：https://mmclassification.readthedocs.io/en/latest/
主要特性
- 支持多样的主干网络与预训练模型
- 支持配置多种训练技巧
- 大量的训练配置文件
- 高效率和高可扩展性
许可证
该项目开源自 Apache 2.0 license.
更新日志
2021/11/30 发布了 v0.18.0 版本
新版本的一些新功能如下：
- 支持了 MLP-Mixer 主干网络，欢迎使用！
- 添加了一个可视化学习率曲线的工具，可以参考教程使用
2021/10/29 发布了 v0.17.0 版本
该版本的一些新功能如下：
- 支持了 Tokens-to-Token ViT 主干网络和 Res2Net 主干网络，欢迎使用！
- 支持了 ImageNet21k 数据集
- 添加了一个可视化数据预处理的工具，可以参考教程使用
发布历史和更新细节请参考 更新日志
基准测试及模型库
相关结果和模型可在 model zoo 中获得
支持的主干网络：
- VGG
- ResNet
- ResNeXt
- SE-ResNet
- SE-ResNeXt
- RegNet
- ShuffleNetV1
- ShuffleNetV2
- MobileNetV2
- MobileNetV3
- Swin-Transformer
- RepVGG
- Vision-Transformer
- Transformer-in-Transformer
- Res2Net
- MLP-Mixer
- DeiT
- Conformer
- EfficientNet
安装
请参考 安装指南 进行安装
基础教程
请参考 基础教程 来了解 MMClassification 的基本使用。MMClassification 也提供了其他更详细的教程:
MMClassification 也提供了相应的中文 Colab 教程。了解 MMClassification Python API，可以查看 这里 或者直接在 Colab 上 运行。了解 MMClassification 命令行工具，可以查看 这里 或者直接在 Colab 上 运行。
参与贡献
我们非常欢迎任何有助于提升 MMClassification 的贡献，请参考 贡献指南 来了解如何参与贡献。
致谢
MMClassification 是一款由不同学校和公司共同贡献的开源项目。我们感谢所有为项目提供算法复现和新功能支持的贡献者，以及提供宝贵反馈的用户。
我们希望该工具箱和基准测试可以为社区提供灵活的代码工具，供用户复现现有算法并开发自己的新模型，从而不断为开源社区提供贡献。
OpenMMLab 的其他项目
- MMCV: OpenMMLab 计算机视觉基础库
- MIM: MIM 是 OpenMMlab 项目、算法、模型的统一入口
- MMDetection: OpenMMLab 检测工具箱与测试基准
- MMDetection3D: OpenMMLab 新一代通用 3D 目标检测平台
- MMSegmentation: OpenMMLab 语义分割工具箱与测试基准
- MMAction2: OpenMMLab 新一代视频理解工具箱与测试基准
- MMTracking: OpenMMLab 一体化视频目标感知平台
- MMPose: OpenMMLab 姿态估计工具箱与测试基准
- MMEditing: OpenMMLab 图像视频编辑工具箱
- MMOCR: OpenMMLab 全流程文字检测识别理解工具包
- MMGeneration: OpenMMLab 生成模型工具箱
- MMFlow: OpenMMLab 光流估计工具箱与测试基准
- MMFewShot: OpenMMLab 少样本学习工具箱与测试基准
- MMHuman3D：OpenMMLab 人体参数化模型工具箱与测试基准
欢迎加入 OpenMMLab 社区
扫描下方的二维码可关注 OpenMMLab 团队的 知乎官方账号，加入 OpenMMLab 团队的 官方交流 QQ 群
我们会在 OpenMMLab 社区为大家
- 📢 分享 AI 框架的前沿核心技术
- 💻 解读 PyTorch 常用模块源码
- 📰 发布 OpenMMLab 的相关新闻
- 🚀 介绍 OpenMMLab 开发的前沿算法
- 🏃 获取更高效的问题答疑和意见反馈
- 🔥 提供与各行各业开发者充分交流的平台
干货满满 📘，等你来撩 💗，OpenMMLab 社区期待您的加入 👬