avalanche下載 - avalanche原始碼下載

avalanche

其他源碼

v0.6.0

下載

Avalanche：用於持續學習的端對端程式庫

雪崩網站|開始使用|範例|教程| API文件|紙|嘰嘰喳喳

Avalanche是一個基於Pytorch 的端到端持續學習庫，誕生於ContinualAI 內，其獨特目標是提供共享和協作的開源（MIT 許可）程式碼庫，用於持續學習演算法的快速原型設計、訓練和可重複評估。

️尋找持續學習基線？在基於 Avalanche 的 CL-Baseline 兄弟計畫中，我們重現了開創性的論文結果，您可以直接在實驗中使用！

Avalanche 可以透過多種方式幫助持續學習研究人員：

編寫更少的程式碼，更快地建立原型並減少錯誤
提高可重複性、模組化和可重複使用性
提高程式碼效率、可擴展性和可移植性
增強研究產品的影響力和可用性

該庫分為四個主要模組：

基準：此模組維護一個統一的資料處理 API：主要是從一個或多個資料集產生資料流。它包含所有主要的 CL 基準（類似於 torchvision 所做的）。
訓練：此模組提供有關模型訓練的所有必要實用程式。這包括實施新的持續學習策略的簡單有效的方法，以及一組預先實施的 CL 基準和最先進的演算法，您將能夠使用它們進行比較！
評估：此模組提供了所有實用程式和指標，可以幫助評估 CL 演算法的所有因素，我們認為這些因素對持續學習系統很重要。它還包括高級日誌記錄和繪圖功能，包括本機 Tensorboard 支援。
模型：此模組提供了用於實現模型擴展和任務感知模型的實用程序，以及一組可用於持續學習實驗的預訓練模型和流行架構（與 torchvision.models 中所做的類似）。
日誌記錄：它包括高級日誌記錄和繪圖功能，包括本機標準輸出、文件和 TensorBoard 支援（擁有一個完整的互動式儀表板，使用一行程式碼即時追蹤您的實驗指標有多酷？）

Avalanche是用於可重複的持續學習研究和開發的端到端庫的第一個實驗，您可以在同一個地方找到基準、演算法、評估指標等等。

讓我們一起努力吧??‍?‍?一次美妙的旅程！？

請查看下面如何開始使用 Avalanche！？

快速範例

 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 ))

目前版本

Avalanche 是一個不斷發展的框架。感謝 ContinualAI 社群及其活躍成員的支持，我們正在根據研究社群的需求快速擴展其功能並提高其可用性！

目前，Avalanche 處於Beta 階段。我們支持多項基準、策略和指標，我們相信，這使其成為您持續學習研究的最佳工具！？

您可以透過執行pip install avalanche-lib來安裝 Avalanche。
這將安裝核心 Avalanche 套件。您可以安裝帶有額外軟體包的 Avalanche 以啟用更多功能。
請在此處查看安裝 Avalanche 的不同方法的更完整指南。

入門

我們知道，學習新工具一開始可能會很困難。這就是為什麼我們讓 Avalanche 盡可能簡單易學，並提供了一系列可以幫助您學習的資源。例如，您可以從我們的 5 分鐘指南開始，該指南將讓您了解 Avalanche 的基礎知識以及如何在您的研究專案中使用它：

入門指南

我們還為您準備了大量範例和片段，您可以直接插入程式碼中並使用：

雪崩範例

完成這兩部分後，您已經感受到了超能力⚡，這就是為什麼我們還創建了一個深入的教程，它將詳細涵蓋 Avalanche 的所有方面，讓您成為真正的持續學習者！ ?‍?

從零到英雄教程

引用雪崩

如果您在研究專案中使用 Avalanche，請記得引用我們的 JMLR-MLOSS 論文 https://jmlr.org/papers/v24/23-0130.html。這將幫助我們讓 Avalanche 在機器學習社群中更出名，最終為每個人打造一個更好的工具：

 @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}
}

您也可以引用先前的 CLVision @ CVPR2021 研討會論文：「Avalanche：用於持續學習的端對端庫」。

 @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}
}