文件名称：segmentation:催化剂分段
文件大小：111KB
文件格式：ZIP
更新时间：2024-06-03 06:57:49
python docker machine-learning deep-learning pipeline
加速DL和RL 用于深度学习研究和开发的PyTorch框架。 它的开发侧重于可重复性，快速实验和代码/想法重用。 能够研究/开发新事物，而不是编写另一个常规火车循环。 打破循环-使用催化剂！ 项目。 。 ： -实验记录和可视化 -加速的深度学习研究与开发 -方便的深度学习模型服务 AI Landscape的催化剂。 催化剂分段 注意：此仓库使用高级Catalyst Config API，现在可能有点过时了。 请使用Catalyst的最少示例部分作为起点和最新用例。 您将学习如何使用Catalyst框架通过转移学习来构建图像分割管道。 目标 安装要求 准备数据 运行：原始数据→生产就绪模型 取得结果 定制自己的管道 1.安装要求 使用本地环境： pip install -r requirements/requirements.txt 使用泊坞窗： 这将使用必要的库创建构
【文件预览】：
segmentation-master
----requirements()
--------requirements-docker.txt(105B)
--------requirements-dev.txt(28B)
--------requirements.txt(67B)
----.dependabot()
--------config.yml(362B)
----docker()
--------Dockerfile(296B)
----.github()
--------FUNDING.yml(684B)
--------workflows()
----configs()
--------_common.yml(633B)
--------templates()
----pics()
--------wandb_metrics.png(18KB)
--------tf_metrics.png(63KB)
----src()
--------experiment.py(4KB)
--------__init__.py(294B)
--------callbacks()
----scripts()
--------process_semantic_masks.py(3KB)
--------index2color.py(2KB)
--------prepare_config.py(2KB)
--------image2mask.py(2KB)
----LICENSE(11KB)
----setup.cfg(2KB)
----README.md(11KB)
----Makefile(289B)
----teamcity()
--------tests.sh(286B)
--------binary.sh(175B)
--------semantic.sh(177B)
----.gitignore(2KB)
----pyproject.toml(156B)
----bin()
--------catalyst-binary-segmentation-pipeline.sh(3KB)
--------catalyst-semantic-segmentation-pipeline.sh(4KB)
--------tests()