易于快速部署模型和训练分类器的图像分类库
TensorImage的Python项目详细描述
张力图像
tensorimage是一个开源库,旨在简化图像分类模型的培训和部署。
功能
群集训练:自动比较多个训练器的性能,加快了超参数调整和特征工程的过程,无需手动操作
多线程培训:默认情况下,所有培训操作都在10个线程中运行,以使培训模型更快
内置图像数据增强操作,可用于特征工程:
- 图像翻转
- 椒盐噪音
- 随机亮度
- 随机对比度
- 随机色调
- 随机饱和
- 高斯模糊
- 滤色
工作区组织:所有数据集、经过培训的模型和内部元数据文件都自动存储在工作区目录中,您可以在其中快速找到所需的任何文件
大规模图像分类:将经过训练的模型部署到数千个图像上,所有图像的预测都存储在工作区目录中
即将推出的功能
要在图像上应用的更多数据增强操作:
- 仿射/透视变换
- 随机缩放
- 随机裁剪
- 个别椒盐噪音
- 更多图像模糊技术:
- 中值模糊
- 平均模糊
- 运动模糊
- 双边模糊
- 翻译
一次应用不同的数据增强操作的选项,例如:不是只应用高斯模糊,而是能够同时应用高斯模糊、椒盐噪声和随机对比度,而不是单独应用
无需在磁盘上写入即可进行实时预测的单个/批图像的模型推断
无需从磁盘读取单个/批图像即可进行实时训练,从新数据自动训练模型,链接到实时推理,而无需将模型存储在磁盘中(提供存储选项)
安装
从终端:
$ pip3 install tensorimage
文档
您可以查看tensorimage的文档here。
支架
如果您遇到任何错误或错误,请在issues section中报告,或通过tensor.image2@gmail.com与我们联系
贡献
如果您对应该添加到tensorimage的特性有任何想法,请随时使用forktensorimage和open a pull request。
许可证
tensorimage是根据MIT许可证授权的。