懂AI

CoreNet: 苹果公司推出的深度神经网络训练库

RayRay
CoreNet神经网络深度学习模型训练计算机视觉Github开源项目

corenet

CoreNet: 苹果公司的深度学习利器

在人工智能和深度学习快速发展的今天,各大科技公司都在积极布局自己的AI技术栈。近日,苹果公司开源了其内部使用的深度神经网络训练库CoreNet,为AI研究和应用领域带来了新的选择。

CoreNet概述

CoreNet是一个功能强大的深度神经网络工具包,旨在帮助研究人员和工程师训练各种规模的标准和创新模型。它支持包括基础模型(如CLIP和大语言模型)、对象分类、对象检测和语义分割在内的多种任务。

CoreNet的主要目标是作为一个使能技术,加速化学科学领域的发现。它提供了丰富的功能和灵活的架构,可以满足从小型模型到大规模模型的各种训练需求。

CoreNet架构图

CoreNet的主要特性

  1. 多任务支持: CoreNet支持训练各种深度学习任务,包括但不限于:

    • 基础模型(如CLIP和大语言模型)
    • 对象分类
    • 对象检测
    • 语义分割

  2. 灵活的模型架构: 可以用于训练标准模型和创新模型结构。

  3. 可扩展性: 支持从小型到大规模模型的训练。

  4. 研究导向: 专为研究人员和工程师设计,便于进行AI算法创新。

  5. 开源: 代码完全开源,方便用户根据需求进行定制和扩展。

安装和使用

CoreNet的安装和使用非常简单。以下是在Linux系统上的安装步骤:

# 安装Git LFS
sudo apt install git-lfs

# 克隆仓库
git clone git@github.com:apple/corenet.git
cd corenet

# 安装Git LFS并拉取大文件
git lfs install
git lfs pull

# 创建虚拟环境(可选但推荐)
python3 -m venv venv && source venv/bin/activate

# 安装CoreNet
python3 -m pip install --editable .

对于macOS用户,安装过程类似,只需将apt替换为brew即可。

目录结构

CoreNet的目录结构清晰明了,主要包含以下几个部分:

  1. tutorials: 包含入门教程和使用指南。
  2. projects: 提供了各种模型的训练配方和预训练权重。
  3. corenet: 核心代码库,包含模型实现、数据处理、优化器等。
  4. mlx_examples: 展示了如何在Apple Silicon上高效运行CoreNet模型。

研究成果

CoreNet已经在多个研究项目中得到应用,产出了多篇高质量论文,包括:

  • OpenELM: 一个高效的语言模型家族
  • CatLIP: 在网络规模图像-文本数据上实现2.7倍更快的预训练
  • FastVit: 使用结构重参数化的快速混合视觉Transformer
  • MobileOne: 改进的1毫秒移动骨干网络
  • MobileViTv2: 用于移动视觉Transformer的可分离自注意力

这些研究成果充分展示了CoreNet在各种深度学习任务中的强大能力和灵活性。

社区贡献

作为一个开源项目,CoreNet欢迎来自社区的贡献。贡献者可以通过以下方式参与:

  1. 提交问题和功能请求
  2. 提供代码改进和新功能
  3. 改进文档和教程
  4. 分享使用经验和最佳实践

贡献者需要遵守项目的行为准则,确保社区环境的友好和包容。

未来展望

CoreNet作为苹果公司在AI领域的重要布局,未来有望继续发展和完善。可能的发展方向包括:

  1. 支持更多新兴的AI模型架构
  2. 进一步优化在Apple Silicon上的性能
  3. 增强与其他苹果生态系统工具的集成
  4. 扩展到更多应用领域,如音频处理和多模态学习

结语

CoreNet的开源为AI研究和应用领域带来了新的机遇。它不仅展示了苹果公司在深度学习领域的技术实力,也为整个AI社区提供了一个强大的工具。无论是研究人员还是工程师,都可以利用CoreNet来加速自己的AI项目开发,推动人工智能技术的进步。

随着CoreNet的不断发展和完善,我们有理由期待它能在未来为我们带来更多令人兴奋的AI创新和应用。

编辑推荐精选

AEE

AEE

AI Excel全自动制表工具

AEE 在线 AI 全自动 Excel 编辑器，提供智能录入、自动公式、数据整理、图表生成等功能，高效处理 Excel 任务，提升办公效率。支持自动高亮数据、批量计算、不规则数据录入，适用于企业、教育、金融等多场景。

UI-TARS-desktop

UI-TARS-desktop

基于 UI-TARS 视觉语言模型的桌面应用，可通过自然语言控制计算机进行多模态操作。

UI-TARS-desktop 是一款功能强大的桌面应用，基于 UI-TARS（视觉语言模型）构建。它具备自然语言控制、截图与视觉识别、精确的鼠标键盘控制等功能，支持跨平台使用（Windows/MacOS），能提供实时反馈和状态显示，且数据完全本地处理，保障隐私安全。该应用集成了多种大语言模型和搜索方式，还可进行文件系统操作。适用于需要智能交互和自动化任务的场景，如信息检索、文件管理等。其提供了详细的文档，包括快速启动、部署、贡献指南和 SDK 使用说明等，方便开发者使用和扩展。

Wan2.1

Wan2.1

开源且先进的大规模视频生成模型项目

Wan2.1 是一个开源且先进的大规模视频生成模型项目，支持文本到图像、文本到视频、图像到视频等多种生成任务。它具备丰富的配置选项，可调整分辨率、扩散步数等参数，还能对提示词进行增强。使用了多种先进技术和工具，在视频和图像生成领域具有广泛应用前景，适合研究人员和开发者使用。

爱图表

爱图表

全流程 AI 驱动的数据可视化工具，助力用户轻松创作高颜值图表

爱图表（aitubiao.com）就是AI图表，是由镝数科技推出的一款创新型智能数据可视化平台，专注于为用户提供便捷的图表生成、数据分析和报告撰写服务。爱图表是中国首个在图表场景接入DeepSeek的产品。通过接入前沿的DeepSeek系列AI模型，爱图表结合强大的数据处理能力与智能化功能，致力于帮助职场人士高效处理和表达数据，提升工作效率和报告质量。

Qwen2.5-VL

Qwen2.5-VL

一款强大的视觉语言模型，支持图像和视频输入

Qwen2.5-VL 是一款强大的视觉语言模型，支持图像和视频输入，可用于多种场景，如商品特点总结、图像文字识别等。项目提供了 OpenAI API 服务、Web UI 示例等部署方式，还包含了视觉处理工具，有助于开发者快速集成和使用，提升工作效率。

HunyuanVideo

HunyuanVideo

HunyuanVideo 是一个可基于文本生成高质量图像和视频的项目。

HunyuanVideo 是一个专注于文本到图像及视频生成的项目。它具备强大的视频生成能力，支持多种分辨率和视频长度选择，能根据用户输入的文本生成逼真的图像和视频。使用先进的技术架构和算法，可灵活调整生成参数，满足不同场景的需求，是文本生成图像视频领域的优质工具。

WebUI for Browser Use

WebUI for Browser Use

一个基于 Gradio 构建的 WebUI，支持与浏览器智能体进行便捷交互。

WebUI for Browser Use 是一个强大的项目，它集成了多种大型语言模型，支持自定义浏览器使用，具备持久化浏览器会话等功能。用户可以通过简洁友好的界面轻松控制浏览器智能体完成各类任务，无论是数据提取、网页导航还是表单填写等操作都能高效实现，有利于提高工作效率和获取信息的便捷性。该项目适合开发者、研究人员以及需要自动化浏览器操作的人群使用，在 SEO 优化方面，其关键词涵盖浏览器使用、WebUI、大型语言模型集成等，有助于提高网页在搜索引擎中的曝光度。

xiaozhi-esp32

xiaozhi-esp32

基于 ESP32 的小智 AI 开发项目，支持多种网络连接与协议，实现语音交互等功能。

xiaozhi-esp32 是一个极具创新性的基于 ESP32 的开发项目，专注于人工智能语音交互领域。项目涵盖了丰富的功能，如网络连接、OTA 升级、设备激活等，同时支持多种语言。无论是开发爱好者还是专业开发者，都能借助该项目快速搭建起高效的 AI 语音交互系统，为智能设备开发提供强大助力。

olmocr

olmocr

一个用于 OCR 的项目，支持多种模型和服务器进行 PDF 到 Markdown 的转换，并提供测试和报告功能。

olmocr 是一个专注于光学字符识别（OCR）的 Python 项目，由 Allen Institute for Artificial Intelligence 开发。它支持多种模型和服务器，如 vllm、sglang、OpenAI 等，可将 PDF 文件的页面转换为 Markdown 格式。项目还提供了测试框架和 HTML 报告生成功能，方便用户对 OCR 结果进行评估和分析。适用于科研、文档处理等领域，有助于提高工作效率和准确性。

飞书多维表格

飞书多维表格

飞书多维表格 ×DeepSeek R1 满血版

飞书多维表格联合 DeepSeek R1 模型，提供 AI 自动化解决方案，支持批量写作、数据分析、跨模态处理等功能，适用于电商、短视频、影视创作等场景，提升企业生产力与创作效率。关键词：飞书多维表格、DeepSeek R1、AI 自动化、批量处理、企业协同工具。

下拉加载更多