KevinMusgrave/pytorch-metric-learning

项目概览

该项目将深度度量学习的核心环节拆分为可独立使用或组合的模块，降低了在应用中采用度量学习的实现门槛，适合需要自定义训练和评估流程的 AI 工程师与研究者关注。

项目类型

模型开发 · 数据处理 · 基础设施

部署方式

查看项目说明

License

MIT

适合谁

• 希望在应用中采用深度度量学习，但不想从头实现和组合各组件的开发者、AI 工程师和研究人员。

核心能力

• 包含 9 个模块（损失函数、数据挖掘器、训练器、测试器等），可独立使用或组合为完整的训练与测试工作流。
• 提供 TripletMarginLoss 等多种损失函数，并支持通过距离函数、归约器和正则化器进行自定义。
• 提供 SelfSupervisedLoss 封装器用于自监督学习，并通过 CrossBatchMemory 支持 MoCo 风格的动量编码器队列。
• 提供 Datasets 模块，支持便捷下载 CUB200、Cars196 和 INaturalist 2018 等常用数据集。
• 提供 AccuracyCalculator，可直接计算嵌入空间的准确率。

限制与风险

• 库版本 >= v0.9.90 时需要 PyTorch 版本 >= 1.6。

如何开始

• 可通过 pip 和 conda 安装，首次使用的成功路径为执行 pip install pytorch-metric-learning。

核验依据

• GitHub 项目简介: The easiest way to use deep metric learning in your application. Modular, flexible, and extensible. Written in PyTorch.
• Release: v2.9.0
• README: Added the [Datasets](https://kevinmusgrave.github.io/pytorch-metric-learning/datasets) module for easy downloading of common datasets:
• README: This library contains 9 modules, each of which can be used independently within your existing codebase, or combined together for a complete train/test workflow.
• README: To compute the loss in your training loop, pass in the embeddings computed by your model, and the corresponding labels.

内容核验时间：