#93 · 主分类: 计算机视觉

super-gradients

dependency-graph

轻松地使用一个开源训练库训练或微调SOTA计算机视觉模型。Yolo-NAS的所在地。

项目最后更新:02/24/26

GitHub Stars

5.1K

Forks数量

592

贡献者数量

55

许可证

Apache-2.0

收录理由

做视觉的团队常常要在分类、检测、分割、姿态估计等不同任务之间切换多个代码库,维护成本不低。SuperGradients把这几类工作统一到一个API下,配合现成的训练配置,你只要给出一条数据集路径就能从命令行跑起训练,不用手动调超参数。模型库里有带COCO预训练权重的YOLO-NAS系列,训练完可以直接导出ONNX,后续用TensorRT或OpenVINO部署也顺畅。它不像黑盒训练工具那样什么都要包办,也不是需要自己拼装的PyTorch流水线——该给的控制都给到了,但不会让你陷入写胶水代码的泥潭。对于想复现视觉训练结果、又不想从头组装整套流程的团队来说,是个很实际的起点。

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。

同类热门项目