معرفی شرکت ها

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 بیشتر

توضیحات

Efficiently Composable Data Augmentation on the GPU with Jax

ویژگی	مقدار
سیستم عامل	-
نام فایل	augmax-0.3.1
نام	augmax
نسخه کتابخانه	0.3.1
نگهدارنده	[]
ایمیل نگهدارنده	[]
نویسنده	Konrad Heidler
ایمیل نویسنده	-
آدرس صفحه اصلی	https://github.com/khdlr/augmax
آدرس اینترنتی	https://pypi.org/project/augmax/
مجوز	-

# Augmax [![PyPI version](https://badge.fury.io/py/augmax.svg)](https://pypi.org/project/augmax/) [![Documentation Status](https://readthedocs.org/projects/augmax/badge/?version=latest)](https://augmax.readthedocs.io/en/latest/?badge=latest) Augmax is an image data augmentation framework supporting efficiently-composable transformations with support for JAX function transformations. Its strengths are efficient execution of complex augmentation pipelines and batched data augmentation on the GPU/TPU via the use of [`jax.jit`](jax:jax-jit) and `jax.vmap`. In existing data augmentation frameworks, each transformation is executed separately, leading to many unnecessary memory reads and writes that could be avoided. In contrast, Augmax tries its best to fuse transformations together, so that these data-intensive operations are be minimized. ## Getting Started Augmax aims to implement an API similar to that of [Albumentations](https://albumentations.ai). An augmentation pipeline is defined as a sequence of transformations, which are then randomly applied to the input images. ```python import jax import augmax transform = augmax.Chain( augmax.RandomCrop(256, 256), augmax.HorizontalFlip(), augmax.Rotate(), ) image = ... rng = jax.random.PRNGKey(27) transformed_image = transform(rng, image) ``` ## Batch-wise Augmentation on the GPU Leveraging the JAX infrastructure, it is possible to greatly accelerate data augmentation by using Just-in-Time compilation (`jax.jit`), which can execute the code on the GPU, as well as batched augmentation (`jax.vmap`). ### Augmenting a single image on the GPU ```python transformed_image = jax.jit(transform)(rng, image) ``` ### Augmenting an entire batch of images on the GPU ```python sub_rngs = jax.random.split(rng, images.shape[0]) transformed_images = jax.jit(jax.vmap(transform))(sub_rngs, images) ```

نیازمندی

مقدار	نام
>=0.1	jax
>=0.3	einops

زبان مورد نیاز

مقدار	نام
>=3.6	Python

نحوه نصب

نصب پکیج whl augmax-0.3.1:

pip install augmax-0.3.1.whl

نصب پکیج tar.gz augmax-0.3.1:

pip install augmax-0.3.1.tar.gz