PyTorch Metric Learning 项目推荐

PyTorch Metric Learning 项目推荐

pytorch-metric-learning The easiest way to use deep metric learning in your application. Modular, flexible, and extensible. Written in PyTorch. 项目地址: https://gitcode.com/gh_mirrors/py/pytorch-metric-learning

1. 项目基础介绍和主要编程语言

PyTorch Metric Learning 是一个开源项目，旨在为深度度量学习提供一个简单、模块化、灵活且可扩展的解决方案。该项目主要使用 Python 编程语言，并且基于 PyTorch 框架开发。它适用于任何需要在应用中使用深度度量学习的开发者或研究人员。

2. 项目的核心功能

该项目包含9个模块，每个模块都可以独立使用于现有的代码库中，或者组合在一起形成一个完整的训练/测试工作流程。核心功能包括：

• 损失函数：提供多种损失函数，如 TripletMarginLoss、ContrastiveLoss 等，用于计算嵌入空间的损失。
• 挖掘函数：用于在训练过程中挖掘难样本，如 MultiSimilarityMiner。
• 距离计算：支持多种距离度量方式，如余弦相似度、欧几里得距离等。
• 正则化器：提供嵌入向量的正则化方法，如 LpRegularizer。
• 训练器和测试器：提供方便的工具来训练和测试模型，如 trainers 和 testers。
• 准确率计算：提供 AccuracyCalculator 来直接计算嵌入空间的准确率。

3. 项目最近更新的功能

• v2.6.0（2023年7月24日）：

  • 将 DistributedLossWrapper 中的 emb 参数更改为 embeddings，以与库的其他部分保持一致。
  • 在使用 DistributedLossWrapper 时，如果不在分布式设置中，会发出警告并提前返回。

• v2.5.0（2023年4月1日）：

  • 改进了 get_all_triplets_indices 函数，以避免在大批量大小下触发 INT_MAX 错误。

这些更新进一步增强了项目的稳定性和易用性，使其在实际应用中更加可靠和高效。

pytorch-metric-learning The easiest way to use deep metric learning in your application. Modular, flexible, and extensible. Written in PyTorch. 项目地址: https://gitcode.com/gh_mirrors/py/pytorch-metric-learning