cattidea / paddle-toolbox Goto Github PK

任务详情

Paddle Toolbox 是为大家提供一些易用且常用功能的工具箱，但由于尚处于早期开发阶段，所以在功能性上尚不完善。

Paddle Toolbox 目前在功能和 API 设计上参考了 Torch Toolbox 的设计理念，将补充的 API 路径尽可能的贴合了框架（PyTorch）本身的 API 结构，因此 Paddle Toolbox 补充的 API 也应当尽可能地贴合 PaddlePaddle 相应功能的 API 路径。

本任务需要实现类似于 tf.keras.layers.Activation 的功能，为用户提供 pptb.nn.Activation 这一 API，该 API 可以直接接收激活函数类型的字符串参数，如 pptb.nn.Activation('relu') 即对应了 ReLU 激活函数，实现方式可以参考 Torch Toolbox 相应部分。

任务属性

• 难度：⭐️
• 前置任务：无
• 任务序号：4

技术要求

• 熟悉 Python
• 了解 tf.keras.layers.Activation 功能
• 了解 Paddle 高层 API 使用方式以及自定义激活函数方式

需完成内容

• 通过 pptb.nn.Activation 能够正确调用该功能
• 文档（README）
• 单元测试

以上内容以 PR 形式提交

参考链接

• tf.keras.layers.Activation 文档
• Torch Toolbox

任务详情

Paddle Toolbox 是为大家提供一些易用且常用功能的工具箱，但由于尚处于早期开发阶段，所以在功能性上尚不完善。

Paddle Toolbox 目前在功能和 API 设计上参考了 Torch Toolbox 的设计理念，将补充的 API 路径尽可能的贴合了框架（PyTorch）本身的 API 结构，因此 Paddle Toolbox 补充的 API 也应当尽可能地贴合 PaddlePaddle 相应功能的 API 路径。

虽然经过 PaddlePaddle Hackathon 后 PaddlePaddle 中大多经典 VisionModels 已经补全，但是尚缺乏最新的 ViT 结构模型，torchvision 和 keras-application 也是如此（现在 torchvision 已支持）。而 Swin Transformer 作为一个优秀的 ViT 结构网络，可以先添加到 Paddle Toolbox 中试用，之后再做是否添加到 Paddle 的打算。

本任务需要实现通过 pptb.vision.models.SwinTransformer 路径正确地调用 SwinTransformer 网络，并提供相应的预训练网络 API（参考 PaddleClas、ppim、timm 设计 API）。该网络需要与 PaddleClas 中网络结构一致，以复用其提供的预训练参数。在网络风格上要与 paddle.vision.models 中其余网络风格一致，应当提供 num_classes 参数与 with_pool 参数，代码风格也应当如此。

任务属性

• 难度：⭐️⭐️
• 前置任务：无
• 任务序号：3

技术要求

• 熟悉 Python
• 了解 ViT 网络基本原理与 SwinTransformer 网络结构
• 了解 Paddle 高层 API 使用方式以及自定义网络方式

需完成内容

• 通过 pptb.vision.models.SwinTransformer/pptb.vision.SwinTransformer 能够正确调用该功能
• 能够正确匹配预训练参数
• 精度自测
• 文档（README）
• 单元测试

以上内容以 PR 形式提交

参考链接

• PaddleClas SwinTransformer
• Swin-Transformer official implement
• ppim SwinTransformer
• timm SwinTransformer
• torchvision SwinTransformer
• PaddleViT SwinTransformer
• SwinTransformer Paper

This issue lists Renovate updates and detected dependencies. Read the Dependency Dashboard docs to learn more.

Open

These updates have all been created already. Click a checkbox below to force a retry/rebase of any.

• ⬆️ deps: Update dependencies (non-major) (isort, paddlepaddle, pytest)
• ⬆️ deps: Update Gr1N/setup-poetry action to v8
• ⬆️ deps: Update actions/checkout action to v4
• Click on this checkbox to rebase all open PRs at once

Detected dependencies

• Check this box to trigger a request for Renovate to run again on this repository

任务详情

Paddle Toolbox 是为大家提供一些易用且常用功能的工具箱，但由于尚处于早期开发阶段，所以在功能性上尚不完善。

Paddle Toolbox 目前在功能和 API 设计上参考了 Torch Toolbox 的设计理念，将补充的 API 路径尽可能的贴合了框架（PyTorch）本身的 API 结构，因此 Paddle Toolbox 补充的 API 也应当尽可能地贴合 PaddlePaddle 相应功能的 API 路径。

本任务需要实现通过 pptb.vision.models.Xception 路径正确地调用 Xception 网络，并提供相应的预训练网络 API（xception41 等）。该网络需要与 PaddleClas 中网络结构一致，以复用其提供的预训练参数。在网络风格上要与 paddle.vision.models 中其余网络风格一致，应当提供 num_classes 参数与 with_pool 参数，代码风格也应当如此。

任务属性

• 难度：⭐️⭐️
• 前置任务：无
• 任务序号：2

技术要求

• 熟悉 Python
• 了解 Xception 网络结构
• 了解 Paddle 高层 API 使用方式以及自定义网络方式

需完成内容

• 通过 pptb.vision.models.Xception/pptb.vision.Xception 能够正确调用该功能
• 能够正确匹配预训练参数
• 精度自测
• 文档（README）
• 单元测试

以上内容以 PR 形式提交

参考链接

• PaddleClas Xception
• keras-application Xception
• Xception Paper

任务详情

Paddle Toolbox 是为大家提供一些易用且常用功能的工具箱，但由于尚处于早期开发阶段，所以在功能性上尚不完善。

Paddle Toolbox 目前在功能和 API 设计上参考了 Torch Toolbox 的设计理念，将补充的 API 路径尽可能的贴合了框架（PyTorch）本身的 API 结构，因此 Paddle Toolbox 补充的 API 也应当尽可能地贴合 PaddlePaddle 相应功能的 API 路径。

虽然经过 PaddlePaddle Hackathon 后 VisionModels 已经具备了大多经典网络结构，但仍有少数网络是 torchvision 和 keras-application 拥有而 paddle 中没有提供的，MobileNetV3 作为 MobileNet 系列的最新网络，torchvision 和 keras-application 中均有提供，但 Paddle 中尚无该网络，因此可暂在 pptb 添加该网络。

本任务需要实现通过 pptb.vision.models.MobileNetV3 路径正确地调用 MobileNetV3 网络，并提供相应的预训练网络 API（mobilenet_v3_small_x0_35 等）。该网络需要与 PaddleClas 中网络结构一致，以复用其提供的预训练参数。在网络风格上要与 paddle.vision.models 中其余网络风格一致，应当提供 num_classes 参数与 with_pool 参数，代码风格也应当如此。

任务属性

• 难度：⭐️⭐️
• 前置任务：无
• 任务序号：1

技术要求

• 熟悉 Python
• 了解 MobileNetV3 网络结构
• 了解 Paddle 高层 API 使用方式以及自定义网络方式

需完成内容

• 通过 pptb.vision.models.MobileNetV3/pptb.vision.MobileNetV3 能够正确调用该功能
• 能够正确匹配预训练参数
• 精度自测
• 文档（README）
• 单元测试

以上内容以 PR 形式提交

参考链接

• PaddleClas MobileNetV3
• torchvision MobileNetV3
• keras-application MobileNetV3
• MobileNetV3 Paper