quickai 다운로드 - quickai 소스 코드 다운로드

quickai

AI 소스 코드

2.0.0 - Big Changes!!

다운로드

QuickAI는 최첨단 기계 학습 모델을 매우 쉽게 실험할 수 있게 해주는 Python 라이브러리입니다.

PyPI 카운터
PyPI 카운터
PyPI 카운터
Github 별

참고: YOLO를 사용하지 않더라도 현재 작업 디렉터리에 coco.names라는 파일이 필요합니다. YOLO를 사용하지 않는 경우 이 파일은 비어 있을 수 있습니다.

공지영상

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

동기 부여

더 발전된 기계 학습을 시작하면서 EfficientNet과 같은 유명한 신경망 아키텍처가 어떻게 놀라운 일을 하는지 알아보기 시작했습니다. 그러나 해결하고 싶은 문제에 대해 이러한 아키텍처를 구현하려고 시도했을 때 이러한 아키텍처를 구현하고 빠르게 실험하는 것이 매우 쉽지 않다는 것을 깨달았습니다. 이것이 바로 QuickAI가 등장한 이유입니다. 이를 통해 많은 모델 아키텍처를 빠르고 쉽게 실험할 수 있습니다.

종속성:

Tensorflow, PyTorch, Sklearn, Matplotlib, Numpy 및 Hugging Face Transformers. 해당 웹사이트의 지침에 따라 TensorFlow 및 PyTorch를 설치해야 합니다.

도커 컨테이너:

위의 모든 종속성을 설정하지 않으려면 QuickAI Docker 컨테이너를 사용할 수 있습니다.

먼저 컨테이너를 가져옵니다. docker pull geekjr/quickai

그런 다음 실행하십시오.

CPU(Apple Silicon Mac에서는 --platform linux/amd64 플래그와 Rosetta 2 설치가 필요함): docker run -it geekjr/quickai bash
GPU: docker run --gpus all -it geekjr/quickai bash

QuickAI를 사용해야 하는 이유

QuickAI는 수십 줄의 코드를 1~2줄로 줄일 수 있습니다. 이는 빠른 실험을 매우 쉽고 깔끔하게 만듭니다. 예를 들어, 자신의 데이터 세트에서 EfficientNet을 교육하려면 데이터 로드, 전처리, 모델 정의 및 교육 코드(많은 줄의 코드)를 수동으로 작성해야 합니다. 반면 QuickAI를 사용하면 이러한 모든 단계가 단 1~2줄의 코드만으로 자동으로 수행됩니다.

현재 지원되는 모델은 다음과 같습니다.

이미지 분류
- EfficientNet B0-B7
- VGG16
- VGG19
- DenseNet121
- DenseNet169
- DenseNet201
- 인셉션 ResNet V2
- 인셉션 V3
- 모바일넷
- 모바일넷 V2
- MobileNet V3 소형 및 대형
- 레스넷 101
- 레스넷 101 V2
- 레스넷 152
- 레스넷 152 V2
- 레스넷 50
- 레스넷 50 V2
- 예외
자연어 처리
- GPT-NEO 125M(생성, 추론)
- GPT-NEO 350M(생성, 추론)
- GPT-NEO 1.3B(생성, 추론)
- GPT-NEO 2.7B(생성, 추론)
- GPT-J 6B(생성, 추론)-BETA
- Distill BERT Cased(Q&A, 추론 및 미세 조정)
- Distill BERT Uncased(명명된 엔터티 인식, 추론)
- Ditil BART(요약, 추론)
- Distill BERT Uncased(감정 분석 및 텍스트/토큰 분류, 추론 및 미세 조정)
객체 감지
- 욜로프4
- YOLOV4 타이니