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
参考文档：https://mmclassification.readthedocs.io/en/latest/
- 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
该项目开源自 Apache 2.0 license.
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！
2021/11/30 发布了 v0.18.0 版本
新版本亮点：
- 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
发布历史和更新细节请参考 更新日志
相关结果和模型可在 model zoo 中获得
支持的主干网络
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。
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。
- 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
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 👬