文件名称：efficientnet-jax:使用亚麻亚麻和Objax的JAX中的EfficientNet，MobileNetV3，MobileNetV2，MixNet等
文件大小：80KB
文件格式：ZIP
更新时间：2024-03-30 00:29:13
flax mixnet jax mobilenetv2 mobilenetv3
EfficientNet JAX-亚麻亚麻和欧柏克斯 介绍 这是一项巨大的蒸蒸工作。 我正在使用的Jax，jaxlib和NN库每周都在转移。 该代码库当前支持： 亚麻亚麻（ 用于模型，带有预训练重量的验证以及从头开始训练 Objax（ ）-使用预先训练的权重进行模型和模型验证 这本质上是我的PyTorch EfficienNet生成器代码（ 的改编，也可以在找到）改编成JAX。 我开始这个 通过以熟悉的代码/模型作为起点来学习JAX， 找出我喜欢的JAX建模接口库（“框架”）， 在PyTorch，JAX，GPU和TPU的组合之间比较非平凡模型的训练/推理运行时特征，以推动成本优化以扩展未来项目 我们在哪里： 培训针对单节点，多GPU和TPU v3-8（适用于基于Tensorflow数据集的管线）的亚麻亚麻变体 模型的Objax和Flax Linen（nn.compact）变体
【文件预览】：
efficientnet-jax-master
----tf_linen_validate.py(5KB)
----jeffnet()
--------data()
--------linen()
--------objax()
--------__init__.py(0B)
--------common()
--------utils()
----export_pytorch.py(4KB)
----LICENSE(11KB)
----tf_objax_validate.py(4KB)
----docker()
--------pt_git.Dockerfile(771B)
--------tf_git.Dockerfile(802B)
--------tf_git_ampere.Dockerfile(673B)
--------pt_pip.Dockerfile(677B)
--------tf_pip.Dockerfile(412B)
----tf_linen_train.py(16KB)
----.gitignore(2KB)
----pt_objax_validate.py(5KB)
----train_configs()
--------default.py(3KB)
--------tf_efficientnet_b0-gpu_24gb_x2.py(206B)
--------pt_efficientnet_b3-tpu_x8.py(361B)
----README.md(8KB)
----pt_linen_validate.py(5KB)