chibooks 是一个简易视觉分类模型单机多卡训练框架，仅需简单的几步即可开展模型对数据的拟合，快来试试吧😘
| 方法名称 | 说明 | 输入 | 返回值 | 是否自动调用 |
|---|---|---|---|---|
| train_step | 模型如何使用数据并进行损失计算 | (batch, batch_idx) | loss | ✅ |
| val_step | 进行损失计算与评估指标计算 | (batch, batch_idx) | loss, meta | ✅ |
| test_step | 在有标签的数据上进行评估 | (batch, batch_idx) | loss, meta | |
| inference_step | 在用户输入的无标签数据上进行评估 | (batch, batch_idx) | meta |
同时chibooks预定义了一些模型🤗，可以直接调用：
| 模型名称 | 链接 | 预定义权重 | 状态 |
|---|---|---|---|
| vit | dinov2 | ✅ | |
| tinyVit | ❓ | ||
| swin | ❓ | ||
| convnext | ❓ |
chibooks中预定义了一些数据集模板，如果待训练的数据满足格式可以直接传参使用
| 内置数据集格式 | 示例 | 输入设定 | 状态 |
|---|---|---|---|
| ImageFolder | root_dir -- CAT ---- cat01.jpg ---- cat02.jpg |
❓ | |
| CSV_list | (clss_name, sample_path) | ❓ |
chibooks会按照设定开始训练,如果没有给定训练配置文件，则默认参数如下
| 参数项目 | 默认设定 | 说明 |
|---|---|---|
| optim | adamW | |
| lr_scheduler | warmup_cosine_epoch | 依epoch，先线性递增，到设定值后余弦衰减 |
| pretrain_weight | True | 将加载该模型的预训练权重，否则将正态初始 |
训练模型需要准备一个任务文件以及一个配置文件。在任务文件中需要继承taskbook来自定义模型训练行为。配置文件则用于调整超参数