README_zh-CN.md

 

OpenMMLab 官网 ^HOT      OpenMMLab 开放平台 ^{TRY IT OUT}

 

📘使用文档 | 🛠️安装教程 | 👀👀模型库 | 🤔报告问题

English | 简体中文

说明

MMRazor是一个可用于模型瘦身和AutoML的模型压缩工具箱，包含了4种主流的技术：

• 网络结构搜索 (NAS)
• 模型剪枝
• 知识蒸馏 (KD)
• 量化

MMRazor是OpenMMLab项目的一部分。

主要特性

• 兼容性

  MMRazor和OpenMMLab有着类似的架构设计，并且实现了轻量化算法和视觉任务间轻耦合，因此很容易应用于OpenMMLab中其他的项目。

• 灵活性

  多种轻量化算法可以以一种即插即用的方式来组合使用，从而搭建出功能更强大的系统。

• 便利性

  得益于更好的模块化设计，开发者仅用修改少量代码，甚至只用修改配置文件即可实现新的轻量化算法。

关于MMRazor设计和实现的概括图, 如果想了解更多的细节，请参考 tutorials。

近期更新

默认分支目前为 main，且分支上的代码已经切换到 v1.0.0 版本。旧版 master 分支的代码现存在 0.x 分支上

更新日志

MMRazor v0.3.1 版本已经在 2022.5.4 发布。

基准测试和模型库

测试结果可以在 模型库 中找到.

已经支持的算法：

Neural Architecture Search

• DARTS(ICLR'2019)

• DetNAS(NeurIPS'2019)

• SPOS(ECCV'2020)

Pruning

• AutoSlim(NeurIPS'2019)

• L1-norm

• Group Fisher

• DMCP

Knowledge Distillation

• CWD(ICCV'2021)

• WSLD(ICLR'2021)

• ABLoss

• BYOT

• DAFL

• DFAD

• DKD

• Factor Transfer

• FitNets

• KD

• OFD

• RKD

• ZSKT

• FBKD

Quantization

• PTQ

• QAT

• LSQ

安装

MMRazor 依赖 PyTorch 和 MMCV。

请参考安装教程获取更详细的安装指南。

快速入门

请参考 用户指引 学习 MMRazor 的基本使用。 我们也提供了一些进阶教程:

贡献指南

我们感谢所有的贡献者为改进和提升 MMRazor 所作出的努力。 请参考贡献指南来了解参与项目贡献的相关指引。

致谢

MMRazor 是一款由来自不同高校和企业的研发人员共同参与贡献的开源项目。我们感谢所有为项目提供算法复现和新功能支持的贡献者，以及提供宝贵反馈的用户。 我们希望这个工具箱和基准测试可以为社区提供灵活的代码工具，供用户复现已有算法并开发自己的新模型压缩算法，从而不断为开源社区提供贡献。

引用

如果您发现此项目对您的研究有用，请考虑引用：

@misc{2021mmrazor,
    title={OpenMMLab Model Compression Toolbox and Benchmark},
    author={MMRazor Contributors},
    howpublished = {\url{https://github.com/open-mmlab/mmrazor}},
    year={2021}
}

开源许可证

该项目采用 Apache 2.0 开源许可证。

OpenMMLab 的其他项目

• MMCV: OpenMMLab 计算机视觉基础库
• MIM: MIM 是 OpenMMlab 项目、算法、模型的统一入口
• MMClassification: OpenMMLab 图像分类工具箱
• MMDetection: OpenMMLab 目标检测工具箱
• MMDetection3D: OpenMMLab 新一代通用 3D 目标检测平台
• MMRotate: OpenMMLab 旋转框检测工具箱与测试基准
• MMYOLO: OpenMMLab YOLO 系列工具箱与测试基准
• MMSegmentation: OpenMMLab 语义分割工具箱
• MMOCR: OpenMMLab 全流程文字检测识别理解工具箱
• MMPose: OpenMMLab 姿态估计工具箱
• MMHuman3D: OpenMMLab 人体参数化模型工具箱与测试基准
• MMSelfSup: OpenMMLab 自监督学习工具箱与测试基准
• MMRazor: OpenMMLab 模型压缩工具箱与测试基准
• MMFewShot: OpenMMLab 少样本学习工具箱与测试基准
• MMAction2: OpenMMLab 新一代视频理解工具箱
• MMTracking: OpenMMLab 一体化视频目标感知平台
• MMFlow: OpenMMLab 光流估计工具箱与测试基准
• MMEditing: OpenMMLab 图像视频编辑工具箱
• MMGeneration: OpenMMLab 图片视频生成模型工具箱
• MMDeploy: OpenMMLab 模型部署框架

欢迎加入 OpenMMLab 社区

扫描下方的二维码可关注 OpenMMLab 团队的 知乎官方账号，加入 OpenMMLab 团队的 官方交流 QQ 群，添加OpenMMLab 官方小助手微信，加入 MMSelfSup 微信社区。

我们会在 OpenMMLab 社区为大家

• 📢 分享 AI 框架的前沿核心技术
• 💻 解读 PyTorch 常用模块源码
• 📰 发布 OpenMMLab 的相关新闻
• 🚀 介绍 OpenMMLab 开发的前沿算法
• 🏃 获取更高效的问题答疑和意见反馈
• 🔥 提供与各行各业开发者充分交流的平台

干货满满 📘，等你来撩 💗，OpenMMLab 社区期待您的加入 👬