懂AI
keras_cv_attention_models

keras_cv_attention_models

深度学习模型和使用指南

该项目提供全面的深度学习模型和使用指南，支持Keras和PyTorch后端。涵盖基础操作、模型训练、推理优化等功能，并详细介绍识别、检测、分割和语言模型的使用。还支持ONNX导出和推理性能评估。

Keras_cv_attention_modelsTensorFlowPyTorch模型训练Github开源项目
GitHub文档

项目简介

keras_cv_attention_models 是一个强大的工具包，专注于计算机视觉中的注意力模型，它基于 Keras 框架构建，支持多种深度学习模型和后端（包括 TensorFlow 和 PyTorch）。该项目旨在为研究人员和开发人员提供便捷的模型构建、训练、评估和转换的功能。

使用概述

基本使用

  • 可通过 pip 安装该工具包，kecam 是它的简称。
  • 提供了基础模型预测功能，用户可以导入模型并进行图像分类。
  • 支持利用 preprocess_input 和 decode_predictions 进行图片预处理和预测结果解码。
  • 可通过设置 num_classes=0 来排除模型顶部的全局池化和全连接层。
  • 可使用 pretrained 参数重新加载自定义模型权重，支持更改 input_shape 的情况下重新加载权重。

模型推理

  • 支持 T4 Inference，可以在多种硬件平台上测试模型的性能。
  • 支持利用 onnx 格式进行加速推理，利用 trtexec 在 T4 GPU 上进行的测试获取性能数据。

深度学习模型

识别模型

该项目提供了一系列深度学习识别模型，这些模型已经在各种标志性的数据集上进行了预训练。包括但不限于以下模型：

  • ResNet、EfficientNet、MobileNet、ConvNeXt
  • SwinTransformer、CoAtNet、UniFormer

检测模型

对于物体检测任务，项目提供了 EfficientDet、YOLOX、YOLOR、YOLOV7 等模型，以满足不同的应用场景需求。

其他模型

项目还提供了用于图像分割的 YOLOV8 Segmentation、用于生成图像的稳定扩散模型，以及语言模型如 GPT2 和 LLaMA2。

训练与评估

ImageNet 训练与评估

提供了一整套工具用于在 ImageNet 上训练和评估模型，包括数据集初始化、训练恢复、评估脚本等。支持渐进式训练，提高模型性能。

COCO 训练与评估

该部分主要针对目标检测任务，目前处于测试阶段。支持自定义数据集，提供典型的 EfficientDet 和 YOLOX 训练脚本。

CLIP 与文本训练

项目提供了 CLIP 和文本模型训练的支持，可以在 COCO 等数据集上进行训练实验，并支持设置为 PyTorch 后端进行训练。

可视化

提供了用于可视化卷积神经网络滤波器和注意力图的工具，通过 Grad-CAM 技术可以清晰地展示模型的注意力焦点。

TFLite 转换

工具包支持将模型转换为 TFLite 格式，进行移动设备上的模型部署和优化。对于 TFLite 不支持的操作，提供了替代方法帮助转换。

总结

keras_cv_attention_models 是一个全面且灵活的工具包，适合于计算机视觉领域的研究和应用。无论是新手还是有经验的开发者，都可以从中找到实用的工具和信息，以支持他们的深度学习研究与开发。

编辑推荐精选

openai-agents-python

openai-agents-python

OpenAI Agents SDK，助力开发者便捷使用 OpenAI 相关功能。

openai-agents-python 是 OpenAI 推出的一款强大 Python SDK，它为开发者提供了与 OpenAI 模型交互的高效工具，支持工具调用、结果处理、追踪等功能，涵盖多种应用场景，如研究助手、财务研究等，能显著提升开发效率，让开发者更轻松地利用 OpenAI 的技术优势。

Hunyuan3D-2

Hunyuan3D-2

高分辨率纹理 3D 资产生成

Hunyuan3D-2 是腾讯开发的用于 3D 资产生成的强大工具，支持从文本描述、单张图片或多视角图片生成 3D 模型，具备快速形状生成能力，可生成带纹理的高质量 3D 模型，适用于多个领域，为 3D 创作提供了高效解决方案。

3FS

3FS

一个具备存储、管理和客户端操作等多种功能的分布式文件系统相关项目。

3FS 是一个功能强大的分布式文件系统项目，涵盖了存储引擎、元数据管理、客户端工具等多个模块。它支持多种文件操作，如创建文件和目录、设置布局等，同时具备高效的事件循环、节点选择和协程池管理等特性。适用于需要大规模数据存储和管理的场景，能够提高系统的性能和可靠性，是分布式存储领域的优质解决方案。

TRELLIS

TRELLIS

用于可扩展和多功能 3D 生成的结构化 3D 潜在表示

TRELLIS 是一个专注于 3D 生成的项目，它利用结构化 3D 潜在表示技术，实现了可扩展且多功能的 3D 生成。项目提供了多种 3D 生成的方法和工具，包括文本到 3D、图像到 3D 等，并且支持多种输出格式，如 3D 高斯、辐射场和网格等。通过 TRELLIS，用户可以根据文本描述或图像输入快速生成高质量的 3D 资产，适用于游戏开发、动画制作、虚拟现实等多个领域。

ai-agents-for-beginners

ai-agents-for-beginners

10 节课教你开启构建 AI 代理所需的一切知识

AI Agents for Beginners 是一个专为初学者打造的课程项目，提供 10 节课程，涵盖构建 AI 代理的必备知识，支持多种语言，包含规划设计、工具使用、多代理等丰富内容，助您快速入门 AI 代理领域。

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。

下拉加载更多