mmrazor

7.5 KiB

Raw Blame History

文档: https://mmrazor.readthedocs.io/

English | 简体中文

说明

MMRazor 是一个基于 PyTorch 的模型压缩开源工具箱. 它是 OpenMMLab 项目的一部分.

主要特性

多合一

MMrazor 实现了4中主流的技术：1）网络结构搜索；2）模型剪枝；3）知识蒸馏；4）量化（很快就会支持），并支持不同算法间的互相组合。
通用计算机视觉模型压缩工具包

得益于 OpenMMLab 开源生态，MMRazor 中的算法可快速应用到不同的任务上，使模型压缩算法的开发变的一劳永逸。
压缩算法和任务模型的解耦

MMrazor 具有多种内置的自动化机制，允许开发者在不修改原始模型代码的情况下实现模型压缩算法，比如：
- 可以 code-free 地获取模型中间层输出结果；
- 可以 code-free 地替换模型中的某些 OP；
- 自动获得并分析 nn.Module 间连接
- ......
灵活和模块化设计

MMRazor 将模型压缩算法分解为不同的组件，使得构建新算法变得更加容易和灵活。

下面是MMRazor设计和实现的概括图, 如果想了解更多的细节，请参考 tutorials。

开源许可证

该项目采用 Apache 2.0 开源许可证。

更新日志

v0.1.0 版本已经在 2021.12.23 发布

基准测试和模型库

测试结果可以在模型库中找到.

已经支持的算法:

Neural Architecture Search

Pruning
- AutoSlim(NeurIPS'2019)

Knowledge Distillation
- CWD(ICCV'2021)
- WSLD(ICLR'2021)

安装

请参考 get_started.md 进行安装。

快速入门

请参考 get_started.md 学习 MMRazor 的基本使用。我们也提供了一些进阶教程:

引用

如果你在研究中使用了本项目的代码或者性能基准，请参考如下 bibtex 引用 MMRazor。

@misc{2021mmrazor,
    title={OpenMMLab Model Compression Toolbox and Benchmark},
    author={MMRazor Contributors},
    howpublished = {\url{https://github.com/open-mmlab/mmrazor}},
    year={2021}
}

贡献指南

我们感谢所有的贡献者为改进和提升 MMRazor 所作出的努力. 请参考贡献指南来了解参与项目贡献的相关指引。

致谢

MMRazor 是一款由来自不同高校和企业的研发人员共同参与贡献的开源项目。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。我们希望这个工具箱和基准测试可以为社区提供灵活的代码工具，供用户复现已有算法并开发自己的新模型压缩算法，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
MMClassification: OpenMMLab 图像分类工具箱
MMDetection: OpenMMLab 目标检测工具箱
MMDetection3D: OpenMMLab 新一代通用 3D 目标检测平台
MMSegmentation: OpenMMLab 语义分割工具箱
MMAction2: OpenMMLab 新一代视频理解工具箱
MMTracking: OpenMMLab 一体化视频目标感知平台
MMPose: OpenMMLab 姿态估计工具箱
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 图片视频生成模型工具箱
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
MMSelfSup: OpenMMLab 自监督学习工具箱与测试基准
MMRazor: OpenMMLab 模型压缩工具箱与测试基准

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 👬

7.5 KiB Raw Blame History Unescape Escape

说明