作者|facebookresearch 編譯|flin **|github
研究是以新的方式做事。這給如何在**中建立抽象帶來了壓力, 對於任何規模較大的研究工程專案而言,這都是乙個挑戰：
一方面,它需要具有非常精簡的抽象,以允許以新方式進行所有操作。打破現有的抽象並將其替換為新的抽象應該相當容易。
另一方面,這樣的專案也需要合理的高層抽象,以便使用者可以輕鬆地以標準方式進行操作,而不必擔心僅某些研究人員關心的細節。
在detectron2中,有兩種型別的介面可以共同解決這種壓力：
僅採用"config"引數的函式和類(在成熟介面的情況下,可選地帶有最少的一組額外引數)。 這些函式和類實現"標準預設"行為：它將從配置中讀取所需內容並執行"標準"操作。使用者只需要載入乙個標準配置並傳遞它,而不必擔心使用了哪些引數以及它們的含義。
具有定義明確的自變數的函式和類。
這些都是整個系統的乙個很小的組成部分。它們需要使用者費力地縫在一起,但是可以以更靈活的方式縫在一起。當你需要實現不同於detectron2中包含的"標準預設值"的某些東西時,可以重複使用這些定義明確的元件。
如果你只需要標準行為,請閱讀入門指南( 應該足夠了。如果你需要將detectron2擴充套件到自己的需要, 有關更多詳細資訊,請參見以下教程：
sklearn機器學習中文官方文件：
Detectron2入門教程
目錄 1.概述 1.1.自己的原始碼閱讀流程 1.2.目錄結構 1.3.搭積木過程 1.4.官方文件閱讀 2.資料處理 2.1.概述 2.2.基本流程 2.3.build detection train loader 方法解析 2.4.其他 3.模型搭建 3.1.概述 3.2.基本流程 3.3.其他...
Detectron2 編寫模型 七
作者 facebookresearch 編譯 flin github 如果你嘗試做一些全新的事情，你可能希望在detectron2中完全從頭開始實現乙個模型。但是,在許多情況下,你可能對修改或擴充套件現有模型的某些元件感興趣.因此,我們還提供了一種註冊機制,可讓你覆蓋標準模型的某些內部元件的行為。例...
Detectron2 部署 十一
作者 facebookresearch 編譯 flin github caffe2部署 我們目前支援通過onnx將detectron2模型轉換為caffe2格式。轉換後的caffe2模型可以在python或c 中執行而無需detectron2依賴性。它具有針對cpu和移動裝置推理優化的執行時,但不適...