详细内容或原文请订阅后点击阅览
TorchVision v0.11 预览 – TorchVision 开发者回忆录 – 2
过去几周，“PyTorch Land”非常忙碌，因为我们正在疯狂地准备 PyTorch v1.10 和 TorchVision v0.11 的发布。在本系列的第二部分中，我将介绍 TorchVision 发布分支中目前包含的一些即将推出的功能。免责声明：虽然即将发布的版本包含 […]
来源:DatumBox - 机器学习、统计和软件开发博客过去几周“PyTorch Land”非常忙碌，因为我们正在疯狂地准备 PyTorch v1.10 和 TorchVision v0.11 的发布。在本系列的第二部分中，我将介绍 TorchVision 发布分支中目前包含的一些即将推出的功能。
系列免责声明：虽然即将发布的版本包含许多增强功能和错误/测试/文档改进，但在这里我重点介绍了我个人感兴趣的领域的新“面向用户”功能。在撰写博客文章后，我还注意到人们对我审查、编写或密切关注其开发的功能存在偏见。涵盖（或不涵盖）一项功能并不说明其重要性。所表达的观点仅代表我个人。
免责声明：新模型
新版本包含许多新模型：
- Kai Zhang 添加了 RegNet 架构的实现以及 14 个变体的预训练权重，这些变体与原始论文非常相似。我最近添加了 EfficientNet 架构的实现以及 Luke Melas-Kyriazi 和 Ross Wightman 提供的变体 B0-B7 的预训练权重。
新的数据增强
最新版本中添加了一些新的数据增强技术：
- Samuel Gabriel 贡献了 TrivialAugment，这是一种新的简单但非常有效的策略，似乎可以提供比 AutoAugment 更好的结果。我在自动增强中添加了 RandAugment 方法。我在参考资料中提供了 Mixup 和 CutMix 转换的实现。一旦它们的 API 最终确定，它们将在下一个版本的转换中移动。