Pywick：追求功能完备的PyTorch高级训练库

52CV曾经分享过很多CV方面新出的论文和开源技术，我们可以非常明显的感受到，越来越多的人使用PyTorch开发新模型。

一个明显的例子：

谷歌最新MobileNetV3开源实现！

这篇谷歌最新的轻量级网络论文，最先开源的库竟然几乎全是使用PyTorch！

这倒不是说PyTorch多么友好，其实大家在讨论选择框架问题时，大部分人是在声讨TensorFlow的反人类。

有人就觉得其实PyTorch并不完美，想要自己再造轮子，就是下面这位小哥。

achaiah近日开源了一套PyTorch的高级训练框架Pywick，试图紧跟神经网络研究的最前沿，打造更加高级的API。

开源地址：

https://github.com/achaiah/pywick

Pywick包含：

• 标准库没有提供的最先进的normalization, activation, loss functions and optimizers；

• 拥有callbacks, constraints, metrics, conditions and regularizers特性的高级训练模块；

• 大量流行的目标识别与语义分割模型；

• 全面的数据加载与处理函数，包括data loading, augmentation, transforms, and sampling ；

• 实用的张量函数；

• 有用的训练监控工具；

• 基本的GridSearch参数调优工具。

Pywick 提供的 callbacks（回调函数）：

Pywick支持的regularizers与constraints

Pywick支持的图像分类模型：

Pywick支持的语义分割模型：

Pywick支持的大量的数据增广方法：

Pywick还提供了不平衡数据重采样函数。

Pywick仍在开发中，希望有更多先进的神经网络技术被实现。

开源地址：

https://github.com/achaiah/pywick