معرفی شرکت ها
adelecv-0.0.2
تبلیغات ما
مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.
مشاهده بیشتر
تبلیغات ما
مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.
مشاهده بیشتر
تبلیغات ما
مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.
مشاهده بیشتر
تبلیغات ما
مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.
مشاهده بیشتر
تبلیغات ما
مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.
مشاهده بیشترتوضیحات
-
| ویژگی | مقدار |
|---|---|
| سیستم عامل | - |
| نام فایل | adelecv-0.0.2 |
| نام | adelecv |
| نسخه کتابخانه | 0.0.2 |
| نگهدارنده | [] |
| ایمیل نگهدارنده | [] |
| نویسنده | Denis Mamatin |
| ایمیل نویسنده | mamatin-denis@yandex.ru |
| آدرس صفحه اصلی | - |
| آدرس اینترنتی | https://pypi.org/project/adelecv/ |
| مجوز | - |
<div align="center">
<img src="https://github.com/AsakoKabe/AdeleCV/blob/main/docs/logo.png?raw=true" alt="drawing" width="200"/>
**Auto DEap LEarning Computer Vision**
**Python library and dashboard for hyperparameter search and model training for computer vision tasks
based on [PyTorch](https://pytorch.org/), [Optuna](https://optuna.org/),
[FiftyOne](https://docs.voxel51.com/), [Dash](https://dash.plotly.com/),
[Segmentation Model Pytorch](https://github.com/qubvel/segmentation_models.pytorch).**
[](https://github.com/AsakoKabe/AdeleCV/blob/main/LICENSE)
[](https://adelecv.readthedocs.io/en/latest/)
[](https://github.com/AsakoKabe/AdeleCV/actions/workflows/code-style.yaml)
[](https://pypi.org/project/adelecv/)
[](https://pepy.tech/project/adelecv)
<br>
</div>
The main features of this library are:
- Fiftyone dataset integration with prediction visualization
- Uploading your dataset in one of the popular formats, currently supported - 2
- Adding your own python class for convert dataset
- Displaying training statistics in tensorboard
- Support for all samples from optuna
- Segmentation use smp: 9 model architectures, popular losses and metrics, see [doc smp](https://github.com/qubvel/segmentation_models.pytorch)
- Convert weights to another format, currently supported - 1 (onnx)
### [📚 Project Documentation 📚](https://adelecv.readthedocs.io/en/latest/)
Visit [Read The Docs Project Page](https://adelecv.readthedocs.io/en/latest/) or read following README to know more about Auto Deap Learning Computer Vision (AdeleCV for short) library
### 📋 Table of content
1. [Examples](#examples)
2. [Installation](#installation)
3. [Instruction Dashboard](#instruction-dashboard)
4. [Architecture](#architecture)
5. [Citing](#citing)
6. [License](#license)
### 💡 Examples <a name="examples"></a>
- Example api [notebook](https://github.com/AsakoKabe/AdeleCV/blob/main/example/api.ipynb)
- See [video](https://www.youtube.com/watch?v=3kztXbAnkYg&ab_channel=DenisMamatin) on the example of using dashboard
### 🛠 Installation <a name="installation"></a>
Install torch cuda if not installed:
```bash
$ pip install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cu116
```
PyPI version:
```bash
$ pip install adelecv
````
Poetry:
```bash
$ poetry add adelecv
````
### 📜 Instruction Dashboard <a name="instruction-dashboard"></a>
1. Create .env file.
See [docs](https://adelecv.readthedocs.io/en/latest/config.html).
Notification_LEVEL: DEBUG | INFO | ERROR
Example:
```
TMP_PATH='./tmp'
DASHBOARD_PORT=8080
FIFTYONE_PORT=5151
TENSORBOARD_PORT=6006
NOTIFICATION_LEVEL=DEBUG
```
2. Run (about 30 seconds (I'm working on acceleration)).
```bash
adelecv_dashboard --envfile .env
```
3. Help
```bash
adelecv_dashboard --help
```
### 🏰 Architecture <a name="architecture"></a>
The user can use the api or dashboard(web app).
The api is based on 5 modules:
- data: contains an internal representation of the dataset, classes for converting datasets, fiftyone dataset
- _models: torch model, its hyperparams, functions for training
- optimize: set of hyperparams, optuna optimizer
- modification model: export and conversion of weights
- logs: python logging
The Dash library was used for dashboard. It is based on components and callbacks on these component elements.
### 📝 Citing
```
@misc{Mamatin:2023,
Author = {Denis Mamatin},
Title = {AdeleCV},
Year = {2023},
Publisher = {GitHub},
Journal = {GitHub repository},
Howpublished = {\url{https://github.com/AsakoKabe/AdeleCV}}
}
```
### 🛡️ License <a name="license"></a>
Project is distributed under [MIT License](https://github.com/AsakoKabe/AdeleCV/blob/main/LICENSE)
نیازمندی
| مقدار | نام |
|---|---|
| >=1.5.3,<2.0.0 | pandas |
| >=3.1.0,<4.0.0 | optuna |
| >=4.64.1,<5.0.0 | tqdm |
| >=4.7.0.72,<5.0.0.0 | opencv-python |
| >=1.10.5,<2.0.0 | pydantic |
| >=2.8.1,<3.0.0 | dash |
| >=1.4.0,<2.0.0 | dash-bootstrap-components |
| >=1.0.0,<2.0.0 | python-dotenv |
| >=0.11.1,<0.12.0 | dash-mantine-components |
| >=0.1.13,<0.2.0 | dash-extensions |
| >=2.12.0,<3.0.0 | tensorboard |
| >=1.3.0,<2.0.0 | albumentations |
| >=0.3.2,<0.4.0 | segmentation-models-pytorch |
| >=0.19.1,<0.20.0 | fiftyone |
| ==0.2.1 | kaleido |
| >=8.1.3,<9.0.0 | click |
زبان مورد نیاز
| مقدار | نام |
|---|---|
| >=3.9,<4.0 | Python |
نحوه نصب
نصب پکیج whl adelecv-0.0.2:
pip install adelecv-0.0.2.whl
نصب پکیج tar.gz adelecv-0.0.2:
pip install adelecv-0.0.2.tar.gz