quickaiダウンロード - quickaiソースコードのダウンロード

quickai

AI ソースコード

2.0.0 - Big Changes!!

ダウンロード

QuickAI は、最先端の機械学習モデルを非常に簡単に実験できるようにする Python ライブラリです。

PyPIカウンター
PyPIカウンター
PyPIカウンター
Github スター

注: YOLO を使用していない場合でも、現在の作業ディレクトリに coco.names というファイルが必要です。 YOLO を使用していない場合、このファイルは空であってもかまいません。

お知らせ動画

デモ https://deepnote.com/project/QuickAI-1r_4zvlyQMa2USJrIvB-kA/%2Fnotebook.ipynb

モチベーション

より高度な機械学習に取り組み始めたとき、これらの有名なニューラルネットワークアーキテクチャ (EfficientNet など) がどのように驚くべきことを実行しているかがわかり始めました。しかし、解決したい問題に対してこれらのアーキテクチャを実装しようとすると、これらのアーキテクチャを実装してすぐに実験するのはそれほど簡単ではないことがわかりました。そこで、QuickAI が登場しました。QuickAI を使用すると、多くのモデルアーキテクチャを迅速に簡単に実験できるようになります。

依存関係:

Tensorflow、PyTorch、Sklearn、Matplotlib、Numpy、および Hugging Face Transformers。 TensorFlow と PyTorch は、それぞれの Web サイトの指示に従ってインストールする必要があります。

Docker コンテナ:

上記のすべての依存関係のセットアップを回避するには、QuickAI Docker コンテナを使用できます。

まずコンテナをプルします: docker pull geekjr/quickai

次に、それを実行します。

CPU (Apple Silicon Mac では、 --platform linux/amd64フラグと Rosetta 2 のインストールが必要です): docker run -it geekjr/quickai bash
GPU: docker run --gpus all -it geekjr/quickai bash

QuickAI を使用する必要がある理由

QuickAI を使用すると、数十行かかるコードを 1 ～ 2 行に削減できます。これにより、迅速な実験が非常に簡単かつクリーンになります。たとえば、独自のデータセットで EfficientNet をトレーニングしたい場合は、データの読み込み、前処理、モデル定義、トレーニングコードを手動で記述する必要があり、コード行数が多くなります。一方、QuickAI を使用すると、これらの手順はすべて、わずか 1 ～ 2 行のコードで自動的に実行されます。

現在、次のモデルがサポートされています。

画像の分類
- EfficientNet B0-B7
- VGG16
- VGG19
- デンスネット121
- デンスネット169
- デンスネット201
- インセプション ResNet V2
- インセプション V3
- モバイルネット
- モバイルネット V2
- MobileNet V3 スモール＆ラージ
- レスネット 101
- レスネット 101 V2
- レスネット 152
- レスネット 152 V2
- レスネット50
- レスネット 50 V2
- ゼセプション
自然言語処理
- GPT-NEO 125M(生成、推論)
- GPT-NEO 350M(生成、推論)
- GPT-NEO 1.3B(生成、推論)
- GPT-NEO 2.7B(生成、推論)
- GPT-J 6B(生成、推論)-BETA
- BERT ケースの蒸留 (Q&A、推論、微調整)
- BERT Uncased を抽出(固有表現の認識、推論)
- BART の抽出 (要約、推論)
- BERT をアンケース化して蒸留する (感情分析とテキスト/トークンの分類、推論と微調整)
物体検出
- ヨロフ4
- YOLOV4 タイニー