avalanche
v0.6.0
موقع الانهيار الجليدي | البداية | أمثلة | البرنامج التعليمي | وثيقة API | ورق | تغريد
Avalanche هي مكتبة تعلم مستمر شاملة تعتمد على Pytorch ، والتي نشأت داخل ContinualAI بهدف فريد يتمثل في توفير قاعدة بيانات مشتركة وتعاونية مفتوحة المصدر (مرخصة من معهد ماساتشوستس للتكنولوجيا) للنماذج الأولية السريعة والتدريب والتقييم القابل للتكرار لخوارزميات التعلم المستمر.
️ هل تبحث عن خطوط أساس للتعلم المستمر ؟ في مشروع الأخوة CL-Baseline القائم على الانهيار الجليدي، نعيد إنتاج نتائج الأبحاث الأساسية التي يمكنك استخدامها مباشرة في تجاربك !
يمكن أن يساعد الانهيار الجليدي الباحثين في التعلم المستمر بعدة طرق:
يتم تنظيم المكتبة في أربع وحدات رئيسية:
Avalanche هي التجربة الأولى لمكتبة شاملة للبحث والتطوير في التعلم المستمر القابل للتكرار حيث يمكنك العثور على المعايير والخوارزميات ومقاييس التقييم وغير ذلك الكثير في نفس المكان.
دعونا نجعلها معا ??? رحلة رائعة! ؟
تحقق أدناه كيف يمكنك البدء في استخدام Avalanche! ؟
import torch
from torch . nn import CrossEntropyLoss
from torch . optim import SGD
from avalanche . benchmarks . classic import PermutedMNIST
from avalanche . models import SimpleMLP
from avalanche . training import Naive
# Config
device = torch . device ( "cuda:0" if torch . cuda . is_available () else "cpu" )
# model
model = SimpleMLP ( num_classes = 10 )
# CL Benchmark Creation
perm_mnist = PermutedMNIST ( n_experiences = 3 )
train_stream = perm_mnist . train_stream
test_stream = perm_mnist . test_stream
# Prepare for training & testing
optimizer = SGD ( model . parameters (), lr = 0.001 , momentum = 0.9 )
criterion = CrossEntropyLoss ()
# Continual learning strategy
cl_strategy = Naive (
model , optimizer , criterion , train_mb_size = 32 , train_epochs = 2 ,
eval_mb_size = 32 , device = device )
# train and test loop over the stream of experiences
results = []
for train_exp in train_stream :
cl_strategy . train ( train_exp )
results . append ( cl_strategy . eval ( test_stream ))الانهيار الجليدي هو إطار في التطوير المستمر. بفضل دعم مجتمع ContinualAI وأعضائه النشطين، نقوم بسرعة بتوسيع ميزاته وتحسين قابليته للاستخدام بناءً على متطلبات مجتمع البحث لدينا!
في هذه اللحظة، الانهيار الجليدي في مرحلة تجريبية . نحن ندعم العديد من المعايير والاستراتيجيات والمقاييس التي تجعلها، كما نعتقد، أفضل أداة متاحة لأبحاث التعلم المستمر الخاصة بك! ؟
يمكنك تثبيت Avalanche عن طريق تشغيل pip install avalanche-lib .
سيؤدي هذا إلى تثبيت حزمة Avalanche الأساسية. يمكنك تثبيت Avalanche بحزم إضافية لتمكين المزيد من الوظائف.
ابحث هنا للحصول على دليل أكثر اكتمالاً حول الطرق المختلفة المتاحة لتثبيت Avalanche.
نحن نعلم أن تعلم أداة جديدة قد يكون أمرًا صعبًا في البداية. ولهذا السبب جعلنا تعلم لعبة Avalanche أمرًا سهلاً قدر الإمكان باستخدام مجموعة من الموارد التي ستساعدك على طول الطريق. على سبيل المثال، يمكنك البدء بدليلنا الذي يستغرق 5 دقائق والذي سيتيح لك اكتساب الأساسيات حول الانهيار الجليدي وكيف يمكنك استخدامه في مشروعك البحثي:
لقد أعددنا لك أيضًا مجموعة كبيرة من الأمثلة والمقتطفات التي يمكنك إضافتها مباشرة إلى الكود الخاص بك واللعب بها:
بعد إكمال هذين القسمين، ستشعر بالفعل بوجود قوى خارقة ⚡، ولهذا السبب أنشأنا أيضًا برنامجًا تعليميًا متعمقًا يغطي جميع جوانب الانهيار الجليدي بالتفصيل ويجعلك متعلمًا مستمرًا حقيقيًا! ??
إذا كنت تستخدم Avalanche في مشروعك البحثي، فيرجى تذكر الاستشهاد بمقالة JMLR-MLOSS الخاصة بنا https://jmlr.org/papers/v24/23-0130.html. سيساعدنا هذا في جعل Avalanche معروفًا بشكل أفضل في مجتمع التعلم الآلي، مما يجعل في النهاية أداة أفضل للجميع:
@article{JMLR:v24:23-0130,
author = {Antonio Carta and Lorenzo Pellegrini and Andrea Cossu and Hamed Hemati and Vincenzo Lomonaco},
title = {Avalanche: A PyTorch Library for Deep Continual Learning},
journal = {Journal of Machine Learning Research},
year = {2023},
volume = {24},
number = {363},
pages = {1--6},
url = {http://jmlr.org/papers/v24/23-0130.html}
}
يمكنك أيضًا الاستشهاد بورقة ورشة عمل CLVision @ CVPR2021 السابقة: "Avalanche: مكتبة شاملة للتعلم المستمر".
@InProceedings{lomonaco2021avalanche,
title={Avalanche: an End-to-End Library for Continual Learning},
author={Vincenzo Lomonaco and Lorenzo Pellegrini and Andrea Cossu and Antonio Carta and Gabriele Graffieti and Tyler L. Hayes and Matthias De Lange and Marc Masana and Jary Pomponi and Gido van de Ven and Martin Mundt and Qi She and Keiland Cooper and Jeremy Forest and Eden Belouadah and Simone Calderara and German I. Parisi and Fabio Cuzzolin and Andreas Tolias and Simone Scardapane and Luca Antiga and Subutai Amhad and Adrian Popescu and Christopher Kanan and Joost van de Weijer and Tinne Tuytelaars and Davide Bacciu and Davide Maltoni},
booktitle={Proceedings of IEEE Conference on Computer Vision and Pattern Recognition},
series={2nd Continual Learning in Computer Vision Workshop},
year={2021}
}
Avalanche هو المشروع التعاوني الرائد مفتوح المصدر التابع لـ ContinualAI: وهي منظمة بحثية غير ربحية وأكبر مجتمع مفتوح في التعلم المستمر للذكاء الاصطناعي.
هل لديك سؤال، هل تريد الإبلاغ عن مشكلة أو ببساطة طلب ميزة جديدة؟ قم بزيارة مركز الأسئلة والقضايا. هل ترغب في تحسين الانهيار الجليدي بنفسك؟ اتبع هذه القواعد البسيطة حول كيفية المساهمة.
تتم صيانة مشروع Avalanche من قبل فريق البحث التعاوني ContinualAI Lab ويتم استخدامه على نطاق واسع من قبل وحدات اتحاد أبحاث ContinualAI (CLAIR)، وهي شبكة بحثية تضم أصحاب المصلحة الرئيسيين في التعلم المستمر حول العالم.
نحن نبحث دائمًا عن أعضاء رائعين جدد يرغبون في الانضمام إلى ContinualAI Lab، لذا قم بمراجعة موقعنا الرسمي إذا كنت تريد معرفة المزيد عنا وعن أنشطتنا، أو اتصل بنا.
تعرف على المزيد حول فريق Avalanche وجميع الأشخاص الذين جعلوه رائعًا!
