Home Progetti mmpretrain
mmpretrain

mmpretrain

di open-mmlab · GitHub

OpenMMLab Pre-training Toolbox e Benchmark

Visualizza su GitHub
In parole semplici

Addestra e valuta vari modelli AI per compiti come la classificazione delle immagini utilizzando un toolbox user-friendly.

⭐ Stelle
🍴 Fork
🔥 Tendenze
📜 Licenza
Uso commerciale consentito
📅 Creato
🔄 Ultimo commit
🏷️ Categoria
💻 Lingua
Mantieni questo progetto?

Rivendica la sua pagina: indicizzata qualunque sia il rango, tradotta in sei lingue e arricchita con le tue parole.

Rivendica questa pagina →
mmpretrain — GitHub preview card
📈 Storia delle stelle
3 8443 841
2026-07-072026-07-29
📈 Segui mmpretrain

Ricevi un avviso via email alla prossima release o quando decolla — non perderti nulla.

Gratis · senza carta · disdici quando vuoi
Ricevi avvisi via email →
📄 Informazioni

OpenMMLab Pre-training Toolbox e Benchmark

mmpretrain ha 3.8k stelle su GitHub. È stato forkato 1.1k volte. mmpretrain è scritto principalmente in Python. È in sviluppo attivo dal 2020. mmpretrain è disponibile con licenza Apache-2.0. I suoi temi principali sono: beit, clip, constrastive-learning, convnext.

Frequently asked questions

Che cos'è mmpretrain?

OpenMMLab Pre-training Toolbox e Benchmark

mmpretrain è open source?

mmpretrain è un progetto open source. È rilasciato con licenza Apache-2.0.

mmpretrain è gratuito?

Sì. mmpretrain è gratuito e open source: puoi usarlo, modificarlo e ospitarlo autonomamente.

Con quale licenza è mmpretrain?

mmpretrain è disponibile con licenza Apache-2.0.

In quale linguaggio è scritto mmpretrain?

mmpretrain è scritto principalmente in Python.

🏅 Manutentore di questo progetto?
OpenSourceAI badge — mmpretrain

Aggiungi questo badge live al tuo README — le tue stelle GitHub e il ranking della directory, aggiornati quotidianamente.

[![OpenSourceAI](https://opensourceai.tech/badge.php?tool=open-mmlab-mmpretrain)](https://opensourceai.tech/project/open-mmlab-mmpretrain.html)
Altre opzioni di badge →
🧬 Condivide il DNA con🧬 Vedi la mappa del DNA →

Misurato dai topic GitHub comuni a entrambi i progetti, ponderati per la loro rarita.