quickai

QuickAI 是一個 Python 函式庫，可以非常輕鬆地試驗最先進的機器學習模型。

PyPI 計數器
PyPI 計數器
PyPI 計數器
Github 星星

注意：即使您不使用 YOLO，您仍然需要目前工作目錄中的一個名為 coco.names 的檔案。如果您不使用 YOLO，則此文件可以為空。

公告影片

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

動機

當我開始進入更先進的機器學習時，我開始看到這些著名的神經網路架構（例如 EfficientNet）是如何做一些令人驚訝的事情的。然而，當我嘗試將這些架構實作來解決我想要解決的問題時，我意識到實現並快速嘗試這些架構並不容易。這就是 QuickAI 的用武之地。

依賴項：

Tensorflow、PyTorch、Sklearn、Matplotlib、Numpy 和 Hugging Face Transformer。您應該按照各自網站上的說明安裝 TensorFlow 和 PyTorch。

Docker 容器：

為了避免設定上述所有依賴項，您可以使用 QuickAI Docker 容器：

先拉取容器： docker pull geekjr/quickai

然後運行它：

• CPU（在 Apple Silicon Mac 上，您需要--platform linux/amd64標誌並安裝 Rosetta 2）： docker run -it geekjr/quickai bash

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

為什麼你應該使用QuickAI

QuickAI 可以將數十行程式碼減少為 1-2 行。這使得快速實驗變得非常簡單和乾淨。例如，如果您想在自己的資料集上訓練 EfficientNet，則必須手動編寫資料載入、預處理、模型定義和訓練程式碼，這將是許多行程式碼。而使用 QuickAI，所有這些步驟只需 1-2 行程式碼即可自動完成。

目前支援以下型號：

1. 影像分類

   • 高效率網路B0-B7
   • VGG16
   • VGG19
   • 密集網121
   • 密集網169
   • 密集網201
   • Inception ResNet V2
   • 盜夢空間V3
   • 行動網路
   • 移動網V2
   • MobileNet V3 小型和大型
   • 殘差網路101
   • 殘差網 101 V2
   • 殘差網路 152
   • 殘差網 152 V2
   • 殘差網路 50
   • 殘差網路 50 V2
   • Xception

2. 自然語言處理

   • 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（問答、推理和微調）
   • Distill BERT Uncased（命名實體辨識、推理）
   • Distil BART（總結、推理）
   • Distill BERT Uncased（情緒分析與文本/標記分類、推理與微調）

3. 物體偵測

   • YOLOV4
   • YOLOV4 小號

安裝

pip install quickAI

如何使用

有關詳細信息，請參閱範例資料夾。對於YOLOV4，您可以從此處下載權重。完整的文檔位於儲存庫的 wiki 部分。

問題/疑問

如果您遇到任何錯誤，請開啟一個新問題以便更正。如果您有一般性問題，請使用討論部分。

製作人員

YOLO 實現的程式碼大多取自「The AI Guy」的tensorflow-yolov4-tflite 和 YOLOv4-Cloud-Tutorial 儲存庫。如果沒有這個，YOLO 的實作就不可能實現。謝謝你！