Pywick：追求功能完備的PyTorch高階訓練庫

52CV曾經分享過很多CV方面新出的論文和開源技術，我們可以非常明顯的感受到，越來越多的人使用PyTorch開發新模型。

一個明顯的例子：

谷歌最新MobileNetV3開源實現！

這篇谷歌最新的輕量級網路論文，最先開源的庫竟然幾乎全是使用PyTorch！

這倒不是說PyTorch多麼友好，其實大家在討論選擇框架問題時，大部分人是在聲討TensorFlow的反人類。

有人就覺得其實PyTorch並不完美，想要自己再造輪子，就是下面這位小哥。

achaiah近日開源了一套PyTorch的高階訓練框架Pywick，試圖緊跟神經網路研究的最前沿，打造更加高階的API。

開源地址：

https://github.com/achaiah/pywick

Pywick包含：

• 標準庫沒有提供的最先進的normalization, activation, loss functions and optimizers；

• 擁有callbacks, constraints, metrics, conditions and regularizers特性的高階訓練模組；

• 大量流行的目標識別與語義分割模型；

• 全面的資料載入與處理函式，包括data loading, augmentation, transforms, and sampling ；

• 實用的張量函式；

• 有用的訓練監控工具；

• 基本的GridSearch引數調優工具。

Pywick 提供的 callbacks（回撥函式）：

Pywick支援的regularizers與constraints

Pywick支援的影象分類模型：

Pywick支援的語義分割模型：

Pywick支援的大量的資料增廣方法：

Pywick還提供了不平衡資料重取樣函式。

Pywick仍在開發中，希望有更多先進的神經網路技術被實現。

開源地址：

https://github.com/achaiah/pywick