Github
Huggingface
文档项目介绍：Holocron
Holocron 是一个专为深度学习计算机视觉领域设计的开源项目。它提供了最新的深度学习技术，便于开发者轻松地与各自喜爱的框架和模型库搭配使用。Holocron 的灵感来自星球大战中的“Holocron”，它是一种用于存储重要信息的设备。
项目特点
Holocron 旨在提供优质的实现，增加开发灵活性，并确保与 PyTorch 生态系统的最大兼容性。下面是一个简短的代码示例，展示了如何使用 Holocron 的模型：
from PIL import Image
from torchvision.transforms import Compose, ConvertImageDtype, Normalize, PILToTensor, Resize
from torchvision.transforms.functional import InterpolationMode
from holocron.models.classification import repvgg_a0
# 加载模型
model = repvgg_a0(pretrained=True).eval()
# 读取图像
img = Image.open(path_to_an_image).convert("RGB")
# 预处理
config = model.default_cfg
transform = Compose([
Resize(config['input_shape'][1:], interpolation=InterpolationMode.BILINEAR),
PILToTensor(),
ConvertImageDtype(torch.float32),
Normalize(config['mean'], config['std'])
])
input_tensor = transform(img).unsqueeze(0)
# 推理
with torch.inference_mode():
output = model(input_tensor)
print(config['classes'][output.squeeze(0).argmax().item()], output.squeeze(0).softmax(dim=0).max())
安装指南
先决条件
要安装 Holocron，需要 Python 3.8 或更高版本以及 pip/conda 工具。
最新稳定版本
可以通过以下方式使用 PyPI 安装最新的稳定版本：
pip install pylocron
或者使用 conda 安装：
conda install -c frgfm pylocron
高级功能
除了基本的安装与使用指南，Holocron 还提供了其他高级功能：
- 文档：完整的文档提供了详细的规格说明。
- 演示应用：项目中包含一个使用 Gradio 的简约演示应用。
- 参考脚本：提供了用于在公共数据集上训练模型的参考脚本。
- 延迟性能评估：对于所有支持的模型提供延迟基准测试。
- Docker 支持：可以使用提供的 Dockerfile 来构建 Docker 镜像。
- API 模板：提供用于快速部署 REST API 的模板。
贡献与许可证
Holocron 使用 Apache 2.0 许可证进行分发，欢迎任何形式的贡献！如果希望对该项目进行引用，可以使用提供的 BibTeX 格式。
通过这些资源和工具，Holocron 致力于为广大开发者提供一个便捷、高效的深度学习平台，加速计算机视觉项目的开发过程。
