Awesome-Backbones

收录理由

这个项目把大量图像分类骨干网络的PyTorch实现集中在一起，从LeNet、ResNet这类经典结构，到EfficientNet、ConvNeXt、Swin Transformer、DeiT、MobileViT等较新的模型都有覆盖。每个模型都配有独立的配置文件，训练、评估、更换骨干时不必改动外围流程，直接替换即可。教程部分会一步步讲清楚环境搭建、数据集准备、配置项含义，以及如何往框架里添加新的模型组件，对想弄懂网络内部机制的学生和工程师来说，比单纯调用预训练接口更有帮助。项目里还准备了计算FLOPs和参数量的脚本、类别激活图可视化工具，以及导出ONNX的代码，拿来对比不同模型或做实验都很顺手。对于用小规模自定义数据集做训练的人，里面关于学习率、batch size和数据增强的调参经验非常实用，能省下不少试错的时间。