Star80
120
代码
代码
Issues82
Pull Requests221
项目讨论
Wiki
分析
Star80
120
已合并
【Pytorch】批量模型更新Readme版本支持表 #5620
AtomGit-Bot创建于 2023年10月10日
【Pytorch】批量模型更新Readme版本支持表 #5620
已合并
AtomGit-Bot创建于 2023年10月10日
从refs/pull/5620/head合入到master
共 19 个文件变更+100-5
MPyTorch/built-in/cv/classification/Arcface_for_PyTorch/README.md+2-1
@@ -40,6 +40,7 @@ Arcface-Torch可以高效快速地训练大规模目标识别训练集。本模
40 | PyTorch 1.5 | - |40 | PyTorch 1.5 | - |
41 | PyTorch 1.8 | - |41 | PyTorch 1.8 | - |
42 | PyTorch 1.11 | - |42 | PyTorch 1.11 | - |
43+ | PyTorch 2.1 | - |
43 44 
44- 环境准备指导。45- 环境准备指导。
45 46 
@@ -173,4 +174,4 @@ Arcface-Torch可以高效快速地训练大规模目标识别训练集。本模
173 cmake --build . -j64174 cmake --build . -j64
174 cd ../175 cd ../
175 python -m pip install --user -e ./python176 python -m pip install --user -e ./python
176- ```177+ ```
MPyTorch/built-in/nlp/Bert-CRF_for_PyTorch/README.md+1-0
@@ -39,6 +39,7 @@ bert4torch是一个基于pytorch的训练框架，前期以效仿和实现bert4k
39 | PyTorch 1.5 | - |39 | PyTorch 1.5 | - |
40 | PyTorch 1.8 | - |40 | PyTorch 1.8 | - |
41 | PyTorch 1.11 | - |41 | PyTorch 1.11 | - |
42+ | PyTorch 2.1 | - |
42 43 
43- 环境准备指导。44- 环境准备指导。
44 45 
MPyTorch/built-in/nlp/Bert-Squad_ID0470_for_PyTorch/README.md+1-0
@@ -42,6 +42,7 @@ BERT-Large模型是一个24层，1024维，24个自注意头（self attention he
42 | PyTorch 1.5 | - |42 | PyTorch 1.5 | - |
43 | PyTorch 1.8 | - |43 | PyTorch 1.8 | - |
44 | PyTorch 1.11 | - |44 | PyTorch 1.11 | - |
45+ | PyTorch 2.1 | - |
45 46 
46- 环境准备指导。47- 环境准备指导。
47 48 
MPyTorch/built-in/nlp/Bert_Chinese_ID3433_for_PyTorch/README.md+2-1
@@ -41,6 +41,7 @@ BERT的全称是Bidirectional Encoder Representation from Transformers，即双
41 | PyTorch 1.5 | - |41 | PyTorch 1.5 | - |
42 | PyTorch 1.8 | - |42 | PyTorch 1.8 | - |
43 | PyTorch 1.11 | - |43 | PyTorch 1.11 | - |
44+ | PyTorch 2.1 | - |
44 45 
45- 环境准备指导。46- 环境准备指导。
46 47 
@@ -552,4 +553,4 @@ BERT的全称是Bidirectional Encoder Representation from Transformers，即双
552 553 
553# 公网地址说明554# 公网地址说明
554 555 
555-代码涉及公网地址参考 public_address_statement.md556+代码涉及公网地址参考 public_address_statement.md
MPyTorch/built-in/nlp/BiLSTM-CRF_for_PyTorch/README.md+2-1
@@ -39,6 +39,7 @@ LSTM常常被用来解决序列标注问题。LSTM依靠神经网络超强的非
39 | PyTorch 1.5 | - |39 | PyTorch 1.5 | - |
40 | PyTorch 1.8 | - |40 | PyTorch 1.8 | - |
41 | PyTorch 1.11 | - |41 | PyTorch 1.11 | - |
42+ | PyTorch 2.1 | - |
42 43 
43- 环境准备指导。44- 环境准备指导。
44 45 
@@ -138,4 +139,4 @@ LSTM常常被用来解决序列标注问题。LSTM依靠神经网络超强的非
138 139 
139## FAQ140## FAQ
140 141 
141-无。142+无。
APyTorch/contrib/cv/detection/Cascade_RCNN/1.11_requirements.txt+7-0
@@ -0,0 +1,7 @@
1+torchvision==0.12.0
2+Pillow==9.1.0
3+decorator==5.1.0
4+sympy==1.9
5+iopath
6+fvcore
7+cloudpickle
APyTorch/contrib/cv/detection/Cascade_RCNN/2.1_requirements.txt+7-0
@@ -0,0 +1,7 @@
1+torchvision==0.16.0
2+Pillow==9.1.0
3+decorator==5.1.0
4+sympy==1.9
5+iopath
6+fvcore
7+cloudpickle
MPyTorch/contrib/cv/detection/Cascade_RCNN/README.md+6-0
@@ -38,6 +38,8 @@ Cascade R-CNN算法是CVPR2018的文章，通过级联几个检测网络达到
38 | :--------: | :----------------------------------------------------------: |38 | :--------: | :----------------------------------------------------------: |
39 | PyTorch 1.5 | torchvision==0.6.0 |39 | PyTorch 1.5 | torchvision==0.6.0 |
40 | PyTorch 1.8 | torchvision==0.9.1 |40 | PyTorch 1.8 | torchvision==0.9.1 |
41+ | PyTorch 1.11 | torchvision==0.12.0 |
42+ | PyTorch 2.1 | torchvision==0.16.0 |
41 43 
42- 环境准备指导。44- 环境准备指导。
43 45 
@@ -51,6 +53,10 @@ Cascade R-CNN算法是CVPR2018的文章，通过级联几个检测网络达到
51 pip install -r 1.5_requirements.txt # PyTorch1.5版本53 pip install -r 1.5_requirements.txt # PyTorch1.5版本
52 54
53 pip install -r 1.8_requirements.txt # PyTorch1.8版本55 pip install -r 1.8_requirements.txt # PyTorch1.8版本
56+ 
57+ pip install -r 1.11_requirements.txt # PyTorch1.11版本
58+ 
59+ pip install -r 2.1_requirements.txt # PyTorch2.1版本
54 ```60 ```
55 > **说明：** 61 > **说明：**
56 >只需执行一条对应的PyTorch版本依赖安装命令。62 >只需执行一条对应的PyTorch版本依赖安装命令。
MPyTorch/contrib/cv/detection/CenterFace/README.md+1-0
@@ -39,6 +39,7 @@ Centerface的非官方版本，实现了速度和准确性之间的最佳平衡
39 | PyTorch 1.5 | - |39 | PyTorch 1.5 | - |
40 | PyTorch 1.8 | - |40 | PyTorch 1.8 | - |
41 | PyTorch 1.11 | - |41 | PyTorch 1.11 | - |
42+ | PyTorch 2.1 | - |
42 43 
43- 环境准备指导。44- 环境准备指导。
44 45 
APyTorch/contrib/cv/detection/CenterNet/1.11_requirements.txt+11-0
@@ -0,0 +1,11 @@
1+opencv-python
2+Cython
3+numba
4+progress
5+matplotlib
6+easydict
7+scipy
8+torchvision==0.12.0
9+pillow==9.1.0
10+decorator
11+sympy
APyTorch/contrib/cv/detection/CenterNet/2.1_requirements.txt+11-0
@@ -0,0 +1,11 @@
1+opencv-python
2+Cython
3+numba
4+progress
5+matplotlib
6+easydict
7+scipy
8+torchvision==0.16.0
9+pillow==9.1.0
10+decorator
11+sympy
MPyTorch/contrib/cv/detection/CenterNet/README.md+7-1
@@ -38,6 +38,8 @@ CenterNet使用关键点检测的方法去预测目标边框的中心点，然
38 | :--------: | :----------------------------------------------------------: |38 | :--------: | :----------------------------------------------------------: |
39 | PyTorch 1.5 | torchvision==0.2.2.post3；pillow==8.4.0 |39 | PyTorch 1.5 | torchvision==0.2.2.post3；pillow==8.4.0 |
40 | PyTorch 1.8 | torchvision==0.9.1；pillow==9.1.0 |40 | PyTorch 1.8 | torchvision==0.9.1；pillow==9.1.0 |
41+ | PyTorch 1.11 | torchvision==0.12.0 |
42+ | PyTorch 2.1 | torchvision==0.16.0 |
41 43
42- 环境准备指导。44- 环境准备指导。
43 45 
@@ -50,6 +52,10 @@ CenterNet使用关键点检测的方法去预测目标边框的中心点，然
50 pip install -r 1.5_requirements.txt # PyTorch1.5版本52 pip install -r 1.5_requirements.txt # PyTorch1.5版本
51 53
52 pip install -r 1.8_requirements.txt # PyTorch1.8版本54 pip install -r 1.8_requirements.txt # PyTorch1.8版本
55+ 
56+ pip install -r 1.11_requirements.txt # PyTorch1.11版本
57+ 
58+ pip install -r 2.1_requirements.txt # PyTorch2.1版本
53 ```59 ```
54 > **说明：** 60 > **说明：**
55 >只需执行一条对应的PyTorch版本依赖安装命令。61 >只需执行一条对应的PyTorch版本依赖安装命令。
@@ -217,4 +223,4 @@ CenterNet使用关键点检测的方法去预测目标边框的中心点，然
217 223
218# 公网地址说明224# 公网地址说明
219 225 
220-代码涉及公网地址参考 public_address_statement.md226+代码涉及公网地址参考 public_address_statement.md
APyTorch/contrib/cv/semantic_segmentation/3DUNet/1.11_requirements.txt+9-0
@@ -0,0 +1,9 @@
1+scipy>=1.4.1
2+numpy>=1.18.2
3+nibabel>=3.0.2
4+tensorboard>=2.2.0
5+torchsummary>=1.5.1
6+torchnet>=0.0.4
7+matplotlib>=3.2.1
8+Pillow==9.1.0
9+torchsummaryX
APyTorch/contrib/cv/semantic_segmentation/3DUNet/2.1_requirements.txt+9-0
@@ -0,0 +1,9 @@
1+scipy>=1.4.1
2+numpy>=1.18.2
3+nibabel>=3.0.2
4+tensorboard>=2.2.0
5+torchsummary>=1.5.1
6+torchnet>=0.0.4
7+matplotlib>=3.2.1
8+Pillow==9.1.0
9+torchsummaryX
MPyTorch/contrib/cv/semantic_segmentation/3DUNet/README.md+6-0
@@ -41,6 +41,8 @@ UNet是完全对称的，且对解码器（应该自Hinton提出编码器、解
41 | :--------: | :----------------------------------------------------------: |41 | :--------: | :----------------------------------------------------------: |
42 | PyTorch 1.5 | pillow==8.4.0 |42 | PyTorch 1.5 | pillow==8.4.0 |
43 | PyTorch 1.8 | pillow==9.1.0 |43 | PyTorch 1.8 | pillow==9.1.0 |
44+ | PyTorch 1.11 | - |
45+ | PyTorch 2.1 | - |
44 46
45- 环境准备指导。47- 环境准备指导。
46 48 
@@ -53,6 +55,10 @@ UNet是完全对称的，且对解码器（应该自Hinton提出编码器、解
53 pip install -r 1.5_requirements.txt # PyTorch1.5版本55 pip install -r 1.5_requirements.txt # PyTorch1.5版本
54 56
55 pip install -r 1.8_requirements.txt # PyTorch1.8版本57 pip install -r 1.8_requirements.txt # PyTorch1.8版本
58+ 
59+ pip install -r 1.11_requirements.txt # PyTorch1.11版本
60+ 
61+ pip install -r 2.1_requirements.txt # PyTorch2.1版本
56 ```62 ```
57 > **说明：** 63 > **说明：**
58 >只需执行一条对应的PyTorch版本依赖安装命令。64 >只需执行一条对应的PyTorch版本依赖安装命令。
APyTorch/contrib/cv/video/C3D/1.11_requirements.txt+5-0
@@ -0,0 +1,5 @@
1+torchvision==0.12.0
2+-r requirements/build.txt
3+-r requirements/optional.txt
4+-r requirements/runtime.txt
5+-r requirements/tests.txt
APyTorch/contrib/cv/video/C3D/2.1_requirements.txt+5-0
@@ -0,0 +1,5 @@
1+torchvision==0.16.0
2+-r requirements/build.txt
3+-r requirements/optional.txt
4+-r requirements/runtime.txt
5+-r requirements/tests.txt
MPyTorch/contrib/cv/video/C3D/README.md+7-1
@@ -40,6 +40,8 @@ C3D模型使用经过大规模视频数据集预训练的3D ConvNets来学习视
40 | :--------: | :----------------------------------------------------------: |40 | :--------: | :----------------------------------------------------------: |
41 | PyTorch 1.5 | torchvision==0.2.2.post3 |41 | PyTorch 1.5 | torchvision==0.2.2.post3 |
42 | PyTorch 1.8 | torchvision==0.9.1 |42 | PyTorch 1.8 | torchvision==0.9.1 |
43+ | PyTorch 1.11 | torchvision==0.12.0 |
44+ | PyTorch 2.1 | torchvision==0.16.0 |
43 45
44- 环境准备指导。46- 环境准备指导。
45 47 
@@ -52,6 +54,10 @@ C3D模型使用经过大规模视频数据集预训练的3D ConvNets来学习视
52 pip install -r 1.5_requirements.txt # PyTorch1.5版本54 pip install -r 1.5_requirements.txt # PyTorch1.5版本
53 55
54 pip install -r 1.8_requirements.txt # PyTorch1.8版本56 pip install -r 1.8_requirements.txt # PyTorch1.8版本
57+ 
58+ pip install -r 1.11_requirements.txt # PyTorch1.11版本
59+ 
60+ pip install -r 2.1_requirements.txt # PyTorch2.1版本
55 ```61 ```
56 > **说明：** 62 > **说明：**
57 >只需执行一条对应的PyTorch版本依赖安装命令。63 >只需执行一条对应的PyTorch版本依赖安装命令。
@@ -184,4 +190,4 @@ C3D模型使用经过大规模视频数据集预训练的3D ConvNets来学习视
184 190 
185# 公网地址说明191# 公网地址说明
186 192 
187-代码涉及公网地址参考 public_address_statement.md193+代码涉及公网地址参考 public_address_statement.md
MPyTorch/contrib/nlp/albert_ID0335_for_PyTorch/README.md+1-0
@@ -41,6 +41,7 @@ Albert是自然语言处理模型，基于Bert模型修改得到。相比于Bert
41 | PyTorch 1.5 | - |41 | PyTorch 1.5 | - |
42 | PyTorch 1.8 | - |42 | PyTorch 1.8 | - |
43 | PyTorch 1.11 | - |43 | PyTorch 1.11 | - |
44+ | PyTorch 2.1 | - |
44 45 
45- 环境准备指导。46- 环境准备指导。
46 47