文章同步發布在個人部落格(https://gite0z9.github.io)
此專案初衷是實作多年來學習的深度學習模型，並提供 notebook 跟 medium 文章學習，而非一個專注於特定領域的 production-ready 庫
接下來的開發方向會往 monorepo 延伸
| 領域(domain) | 模型(model) |
|---|---|
| 少樣本學習(few shot learning) | |
| 圖像分類(image classification) | |
| 物件偵測(object detection) | |
| 語意分割(semantic segmentation) | |
| 圖像生成(image generation) | |
| 光學文字辨識(optical character recognition) | |
| 風格遷移(style transfer) | |
| 文本分類(text classification) | |
| 命名實體辨識(named entity recognition) | |
| 增強學習(reinforcement learning) | |
| 序列資料(sequence data) | |
| 語言模型(language model) | |
| 圖神經網路(graph neural network) |
python: 3.11
pip install git+https://www.github.com/gite0z9/pytorch-implementations.git@main#torchlake --target=/torchlake
notebooks: 展示如何使用 torchlake.
torchlake: 由不同應用領域組成的深度學習包.
每個領域大致上會有如下結構
├───adapter
├───artifacts
│ └───model_name
├───configs
│ └───model_name
├───constants
├───controller
├───datasets
│ └───dataset_name
├───models
│ ├───base
│ └───model_name
│ ├───model.py
│ ├───network.py
│ ├───loss.py
│ └───decode.py
├───reference
│ └───model_name
│ └───paper
├───runs
├───scripts
│ └───debug
├───tests
├───utils
└───requirements.txt
adapter: 介接 controller 和其他資源(model, model.loss, etc.)
configs: 模型設定檔，包括裝置定義、模型定義、訓練定義、推論定義，共四個面向
constants: 固定的值，包括 constant 和 enum
controller: 控制器，controller是共用基底，trainer、evaluator、predictor負責訓練、評估、預測三種工作
models: 模型定義，network.py是模型區塊，model.py是最後組裝的模型，loss.py是損失函數
datasets: 資料集，目前是照領域區分，有分 raw dataset 和 csv dataset，前者是讀取 raw data，後者是讀取處理過的 csv(如歸一化座標)
runs: 記載trainer和evaluator的結果的 tensorboard log 資料夾
tests: 單元測試，使用 pytest
utils: 存放依賴性低且復用性高的函式
model 和 dataset 的 config 會用 pydantic 控制格式