quickai

QuickAI 是一个 Python 库，可以非常轻松地试验最先进的机器学习模型。

PyPI 计数器
PyPI 计数器
PyPI 计数器
Github 星星

注意：即使您不使用 YOLO，您仍然需要当前工作目录中的一个名为 coco.names 的文件。如果您不使用 YOLO，则此文件可以为空。

公告视频

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

动机

当我开始进入更先进的机器学习领域时，我开始看到这些著名的神经网络架构（例如 EfficientNet）是如何做出惊人的事情的。然而，当我尝试将这些架构实现来解决我想要解决的问题时，我意识到实现起来并不是那么容易，并快速尝试这些架构。这就是 QuickAI 的用武之地。它可以快速轻松地试验许多模型架构。

依赖项：

Tensorflow、PyTorch、Sklearn、Matplotlib、Numpy 和 Hugging Face Transformer。您应该按照各自网站上的说明安装 TensorFlow 和 PyTorch。

Docker 容器：

为了避免设置上述所有依赖项，您可以使用 QuickAI Docker 容器：

首先拉取容器： docker pull geekjr/quickai

然后运行它：

• CPU（在 Apple Silicon Mac 上，您需要--platform linux/amd64标志并安装 Rosetta 2）： docker run -it geekjr/quickai bash

• GPU： docker run --gpus all -it geekjr/quickai bash

为什么你应该使用QuickAI

QuickAI 可以将数十行代码减少为 1-2 行。这使得快速实验变得非常简单和干净。例如，如果您想在自己的数据集上训练 EfficientNet，则必须手动编写数据加载、预处理、模型定义和训练代码，这将是很多行代码。而使用 QuickAI，所有这些步骤只需 1-2 行代码即可自动完成。

目前支持以下型号：

1. 图像分类

   • 高效网络B0-B7
   • VGG16
   • VGG19
   • 密集网121
   • 密集网169
   • 密集网201
   • Inception ResNet V2
   • 盗梦空间V3
   • 移动网络
   • 移动网V2
   • MobileNet V3 小型和大型
   • 残差网络101
   • 残差网 101 V2
   • 残差网络 152
   • 残差网络 152 V2
   • 残差网络 50
   • 残差网 50 V2
   • Xception

2. 自然语言处理

   • GPT-NEO 125M(生成、推理)
   • GPT-NEO 350M(生成、推理)
   • GPT-NEO 1.3B（生成、推理）
   • GPT-NEO 2.7B（生成、推理）
   • GPT-J 6B（生成、推理）-BETA
   • Distill BERT Cased（问答、推理和微调）
   • Distill BERT Uncased（命名实体识别、推理）
   • Distil BART（总结、推理）
   • Distill BERT Uncased（情感分析和文本/标记分类、推理和微调）

3. 物体检测

   • YOLOV4
   • YOLOV4 小号

安装

pip install quickAI

如何使用

有关详细信息，请参阅示例文件夹。对于YOLOV4，您可以从此处下载权重。完整的文档位于存储库的 wiki 部分。

问题/问题

如果您遇到任何错误，请打开一个新问题以便更正。如果您有一般性问题，请使用讨论部分。

制作人员

YOLO 实现的大部分代码取自“The AI Guy”的tensorflow-yolov4-tflite 和 YOLOv4-Cloud-Tutorial 存储库。如果没有这个，YOLO 的实现就不可能实现。谢谢你！