avalanche
v0.6.0
Веб-сайт Лавины | Начало работы | Примеры | Учебное пособие | API-документ | Бумага | Твиттер
Avalanche — это комплексная библиотека непрерывного обучения , основанная на Pytorch , созданная в рамках ContinualAI с уникальной целью предоставления общей и совместной базы кода с открытым исходным кодом (лицензия MIT) для быстрого прототипирования, обучения и воспроизводимой оценки алгоритмов непрерывного обучения.
️ Ищете основу для непрерывного обучения ? В родственном проекте CL-Baseline, основанном на Avalanche, мы воспроизводим результаты оригинальных статей, которые вы можете напрямую использовать в своих экспериментах !
Avalanche может помочь исследователям непрерывного обучения несколькими способами:
Библиотека состоит из четырех основных модулей:
Avalanche — первый эксперимент сквозной библиотеки для воспроизводимых исследований и разработок в области непрерывного обучения, где вы можете найти тесты, алгоритмы, показатели оценки и многое другое в одном месте.
Давайте сделаем это вместе ??? чудесная поездка! ?
Узнайте ниже, как начать использовать 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 ))Avalanche — это фреймворк, находящийся в постоянном развитии. Благодаря поддержке сообщества ContinualAI и его активных участников мы быстро расширяем его возможности и улучшаем удобство использования в соответствии с требованиями нашего исследовательского сообщества!
На данный момент Avalanche находится в стадии бета-тестирования . Мы поддерживаем несколько тестов , стратегий и показателей , которые, по нашему мнению, делают его лучшим инструментом для ваших исследований в области непрерывного обучения! ?
Вы можете установить Avalanche, запустив pip install avalanche-lib .
Это установит основной пакет Avalanche. Вы можете установить Avalanche с дополнительными пакетами, чтобы получить больше функций.
Здесь вы найдете более полное руководство по различным способам установки Avalanche.
Мы знаем, что изучение нового инструмента поначалу может быть трудным. Вот почему мы максимально упростили изучение Avalanche с помощью набора ресурсов, которые помогут вам в этом. Например, вы можете начать с нашего 5-минутного руководства, которое позволит вам получить основные сведения о Avalanche и о том, как вы можете использовать его в своем исследовательском проекте:
Мы также подготовили для вас большой набор примеров и фрагментов, которые вы можете подключить непосредственно к своему коду и поиграть с ними:
Пройдя эти два раздела, вы уже почувствуете себя обладателем сверхспособностей ⚡, поэтому мы также создали углубленное руководство, которое подробно раскроет все аспекты Avalanche и сделает вас настоящим постоянным учеником! ??
Если вы используете Avalanche в своем исследовательском проекте, не забудьте процитировать нашу статью JMLR-MLOSS https://jmlr.org/papers/v24/23-0130.html. Это поможет нам сделать Avalanche более известным в сообществе машинного обучения и в конечном итоге сделать инструмент лучше для всех:
@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}
}
вы также можете процитировать предыдущий документ семинара CVPR2021 CLVvision: «Лавина: сквозная библиотека для непрерывного обучения».
@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 — это флагманский совместный проект с открытым исходным кодом ContinualAI: некоммерческой исследовательской организации и крупнейшего открытого сообщества по непрерывному обучению для искусственного интеллекта.
У вас есть вопрос, вы хотите сообщить о проблеме или просто попросить новую функцию? Посетите центр вопросов и проблем. Хотите улучшить Avalanche самостоятельно? Следуйте этим простым правилам о том, как внести свой вклад.
Проект Avalanche поддерживается совместной исследовательской группой ContinualAI Lab и широко используется консорциумом Units of the ContinualAI Research (CLAIR), исследовательской сетью основных заинтересованных сторон непрерывного обучения по всему миру.
Мы всегда ищем новых замечательных участников, желающих присоединиться к ContinualAI Lab, поэтому посетите наш официальный сайт, если хотите узнать больше о нас и нашей деятельности, или свяжитесь с нами.
Узнайте больше о команде Avalanche и обо всех людях, которые сделали ее успешной!
