#143 · 主分类： 计算机视觉
lightly-train
computer-vision
contrastive-learning
deep-learning
depth-estimation
dinov2
dinov3
distillation
embeddings
eomt
object-detection
pretrained-models
python
pytorch
real-time
rtdetrv2
self-supervised
self-supervised-learning
semantic-segmentation
vision-transformer
yolo
视觉模型的一体化训练（YOLO、ViTs、RT-DETR、DINOv3）：预训练、微调、蒸馏。
项目最后更新：08/26/26
GitHub Stars
1.7K
Forks数量
112
贡献者数量
23
许可证
AGPL-3.0
收录理由
LightlyTrain把预训练、微调和蒸馏整合在同一套框架里，团队可以先用自己的无标注数据训练DINOv2或DINOv3基础模型，再针对检测或分割任务做适配，也可以把大型教师模型蒸馏成能跑在边缘设备上的轻量学生模型。当训练数据涉及专有内容，或者目标硬件扛不动重型骨干网络时，这种一体化流程尤其省事。它内置了可直接运行的YOLO类检测器、DETR变体和小型模型训练配方，并自带ONNX与TensorRT导出，训练完的网络无需额外转换就能部署到生产环境。以前需要把预训练、微调、导出等零散工具拼凑起来的团队，现在可以在一个地方同时比较精度和延迟，少走不少弯路。
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。