trafficstars

图像识别框架🔨

自v0.5.0版本开始，仅支持分布式训练。

!!!基于安全及合规要求，v0.7.0之后的开源版本仅修复bug，暂缓支持新特性!!!

V0.8.0之后的Wiki文档

亮点

	功能	备注
模块化	解耦业务与框架	1. 易用：新任务仅修改`Config/`即可。 2. 扩展性强：各模块均设统一入口。
模型	集成Timm	1. 持续更新SOTA的预训练模型(600+)。 2. 轻松定制模型。
训练	集成ColossalAI	1. 大规模分布式并行、自动混合精度。 2. 梯度积累、梯度裁剪等。
可视化	集成TensorBoard	1. 数据集: 总体结构、各类占比 2. 模型: 结构、耗时、计算量、参数量等 3. 训练: 参数、损失、图像等
部署	服务器/移动端加速

支持任务

图像分类✅
度量学习✅ : 人像比对、图像检索等

可视化

训练

测试:支持120+评价指标

预测:类激活图

扩展框架

├── Config
│   └── config.py    训练配置
│   └── dataset.txt  数据集 
├── DataSets
│   └── preprocess.py 预处理入口
├── Models
│   ├── Backbone    主干网络入口
│   ├── Optimizer   优化器入口
│   ├── Loss        损失函数入口
│   ├── Backend     模型部署入口
│   ├── Scheduler   学习率调度器入口

训练配置

	属性	支持
图像预处理	Process	- ImageNet ImageNet预处理 - FaceCompare 人脸比对预处理
采样策略	Sampler	- normal 常规采样 - dataset_balance 类别平衡采样(数据集维度) - batch_balance 类别平衡采样(batch维度)⭐️
学习率调度器	Scheduler	- CosineLR⭐️ - MultistepLR
优化器	Optimizer	- SGD - Adam - Lamb
主干网络	Backbone	- 600+ SOTA预训练模型