README_zh-CN.md

 

OpenMMLab 官网 ^HOT      OpenMMLab 开放平台 ^{TRY IT OUT}

 

📘 中文文档 | 🛠️ 安装教程 | 👀 模型库 | 🆕 更新日志 | 🤔 报告问题

Introduction

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。

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
• 功能强大的工具箱

更新日志

2022/1/30 发布了 v0.20.0 版本

新版本亮点：

• 支持 K 折交叉验证 工具。相应文档会在后续添加。
• 支持了 HRNet，ConvNeXt，Twins 以及 EfficientNet 四个主干网络，欢迎使用！
• 支持了从 PyTorch 模型到 Core-ML 模型的转换工具。

2021/12/31 发布了 v0.19.0 版本

新版本亮点：

• 特征提取功能得到了加强。详见 #593。
• 提供了 ResNet-50 的高精度训练配置，原论文参见 ResNet strikes back。
• 复现了 T2T-ViT 和 RegNetX 的训练精度，并提供了自训练的模型权重文件。
• 支持了 DeiT 和 Conformer 主干网络，并提供了预训练模型。
• 提供了一个 CAM 可视化 工具。该工具基于 pytorch-grad-cam，我们提供了详细的 使用教程！

发布历史和更新细节请参考 更新日志

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:

• 如何编写配置文件
• 如何微调模型
• 如何增加新数据集
• 如何设计数据处理流程
• 如何增加新模块
• 如何自定义优化策略
• 如何自定义运行参数

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。

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
• T2T-ViT
• Twins
• EfficientNet
• ConvNeXt
• HRNet

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。

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 MMClassification。

@misc{2020mmclassification,
    title={OpenMMLab's Image Classification Toolbox and Benchmark},
    author={MMClassification Contributors},
    howpublished = {\url{https://github.com/open-mmlab/mmclassification}},
    year={2020}
}

许可证

该项目开源自 Apache 2.0 license.

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
• 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
• MMDeploy: OpenMMLab 模型部署框架

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 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 👬