English | 简体中文
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
主分支代码目前支持 PyTorch 1.5 以上的版本。
- 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
- 功能强大的工具箱
MMClassification 1.0 已经发布!目前仍在公测中,如果希望试用,请切换到 1.x 分支,并在讨论版 参加开发讨论!
2022/12/06 发布了 v0.25.0 版本
- 支持 MLU 设备
- 添加了用于 ARM 设备训练的
dist_train_arm.sh
2022/10/31 发布了 v0.24.1 版本
- 支持了华为昇腾 NPU 设备。
2022/9/30 发布了 v0.24.0 版本
- 支持了 HorNet,EfficientFormerm,SwinTransformer V2,MViT 等主干网络。
- 支持了 Support Standford Cars 数据集。
2022/5/1 发布了 v0.23.0 版本
- 支持了 DenseNet,VAN 和 PoolFormer 三个网络,并提供了预训练模型。
- 支持在 IPU 上进行训练。
- 更新了 API 文档的样式,更方便查阅,欢迎查阅。
发布历史和更新细节请参考 更新日志
以下是安装的简要步骤:
conda create -n open-mmlab python=3.8 pytorch=1.10 cudatoolkit=11.3 torchvision==0.11.0 -c pytorch -y
conda activate open-mmlab
pip3 install openmim
mim install mmcv-full
git clone https://github.com/open-mmlab/mmclassification.git
cd mmclassification
pip3 install -e .
更详细的步骤请参考 安装指南 进行安装。
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:
我们也提供了相应的中文 Colab 教程:
- 了解 MMClassification Python API:预览 Notebook 或者直接在 Colab 上运行。
- 了解 MMClassification 命令行工具:预览 Notebook 或者直接在 Colab 上运行。
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
- T2T-ViT
- Twins
- EfficientNet
- ConvNeXt
- HRNet
- VAN
- ConvMixer
- CSPNet
- PoolFormer
- MViT
- EfficientFormer
- HorNet
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。
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。
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 MMClassification。
@misc{2020mmclassification,
title={OpenMMLab's Image Classification Toolbox and Benchmark},
author={MMClassification Contributors},
howpublished = {\url{https://github.com/open-mmlab/mmclassification}},
year={2020}
}
该项目开源自 Apache 2.0 license.
- 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
- MMRotate: OpenMMLab 旋转框检测工具箱与测试基准
- MMSegmentation: OpenMMLab 语义分割工具箱
- MMOCR: OpenMMLab 全流程文字检测识别理解工具包
- MMPose: OpenMMLab 姿态估计工具箱
- 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
- MMFewShot: OpenMMLab 少样本学习工具箱与测试基准
- 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
- MMFlow: OpenMMLab 光流估计工具箱与测试基准
- MMEditing: OpenMMLab 图像视频编辑工具箱
- MMGeneration: OpenMMLab 图片视频生成模型工具箱
- MMDeploy: OpenMMLab 模型部署框架
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 或联络 OpenMMLab 官方微信小助手
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 👬