使用场景

使用 CoreNet 训练一个用于图像识别的 CLIP 模型

利用 CoreNet 进行语义分割任务，以提高自动驾驶系统的准确性

在移动设备上部署一个轻量级的 MobileViT 模型，用于实时对象检测

产品特色

支持训练多种规模的深度神经网络模型

适用于多种任务，如基础模型、对象分类、对象检测和语义分割

提供了可复现的训练配方和预训练模型权重

包含研究论文的链接和预训练模型

支持在 Apple Silicon 上高效运行 CoreNet 模型的 MLX 示例

模型实现按任务组织，易于在 YAML 配置中使用

使用教程

首先，确保安装了 Git LFS 并激活

使用 Python 3.10+ 和 PyTorch (版本 >= v2.1.0) 设置开发环境

克隆 CoreNet 仓库到本地

根据需要安装可选依赖，如音频和视频处理库

参考 tutorials 目录中的 Jupyter 笔记本和指南开始学习和使用 CoreNet

通过修改 YAML 配置文件来定制训练和评估过程

利用提供的 MLX 示例在 Apple Silicon 上运行 CoreNet 模型