#91 · 主分类： 深度学习框架
catalyst
computer-vision
deep-learning
distributed-computing
image-classification
image-processing
image-segmentation
information-retrieval
infrastructure
machine-learning
metric-learning
natural-language-processing
object-detection
python
pytorch
recommender-system
reinforcement-learning
reproducibility
research
text-classification
text-segmentation
加速深度学习研发
项目最后更新：07/08/26
GitHub Stars
3.4K
Forks数量
397
贡献者数量
104
许可证
Apache-2.0
收录理由
Catalyst 是一个面向 PyTorch 的框架，专为那些每次开始新实验都要重写一遍训练循环的人设计。它把常见的样板代码封装成可复用的 Runner 和回调组件，一个监督式 Runner 类就能替你处理指标记录、检查点保存和日志输出。这样，实验从构造上就具备可复现性——同样的配置代码在多次运行中总能得到一致的结果，对每周要训练多个模型变体的团队来说，省下的时间相当可观。它还附带部署相关的工具，比如 ONNX 导出、模型追踪、量化和剪枝，让模型从笔记本原型到真正上线之间的距离缩短了不少。对于想要比裸脚本更有结构、但又不想引入重型编排平台的研究人员和小型工程团队，它是个合适的选项。
相关文章
暂无针对该项目的文章。
如需补充新闻资讯、使用教程、应用测评等内容，欢迎 联系我们推荐选题或投稿。