
O CAER é uma biblioteca de visão leve e de alto desempenho para pesquisa de IA de alto desempenho. Escrevemos essa estrutura para simplificar sua abordagem em relação à visão computacional, abstraindo o código de caldeira desnecessário, fornecendo a flexibilidade de prototipar rapidamente modelos de aprendizado profundo e idéias de pesquisa. O resultado final é uma biblioteca bastante diferente em seu design, é fácil de entender, joga bem com os outros e é muito divertido de usar.
Nossa elegante API e filosofia de design verificada por tipo tornam o CAER ideal para estudantes, pesquisadores, entusiastas e até especialistas nos campos de aprendizado profundo e visão computacional.
Caer é uma biblioteca Python que consiste nos seguintes componentes:
| Componente | Descrição |
|---|---|
| caer | Uma leve biblioteca de visão computacional acelerada por GPU para pesquisa de IA de alto desempenho |
| caer.color | Operações de espaço de cores |
| caer.data | Imagens de teste de alta qualidade padrão e dados de exemplo |
| caer.Path | Manipulações de caminho específicas do OS |
| caer.Preprocessing | Utilitários de pré -processamento de imagem. |
| caer.Transforms | Transformações e aumentos de imagem poderosos |
| caer.Video | Utilitários de processamento de vídeo |
Geralmente, o caer é usado como:
Consulte o Guia de instalação do CAER para obter instruções detalhadas de instalação (incluindo o edifício da fonte).
Atualmente, caer suporta lançamentos do Python 3.6 em diante; O Python 2 não é suportado (nem recomendado). Para instalar a versão atual:
$ pip install --upgrade caer import caer
# Load a standard 640x427 test image that ships out-of-the-box with caer
sunrise = caer . data . sunrise ( rgb = True )
# Resize the image to 400x400 while MAINTAINING aspect ratio
resized = caer . resize ( sunrise , target_size = ( 400 , 400 ), preserve_aspect_ratio = True )
Para mais exemplos, consulte as demos caer ou leia a documentação
Agradecemos todas as contribuições, feedback e questões. Se você planeja contribuir com novos recursos, funções de utilidade ou extensões para o núcleo, analise nossas diretrizes de contribuição.
Para contribuir, comece a trabalhar na Base de código caer , leia a documentação, navegue até a guia Problemas e comece a analisar questões interessantes.
Os colaboradores atuais podem ser visualizados do arquivo dos colaboradores ou usando o comando caer.__contributors__ .
Se você tiver alguma dúvida, por favor:
O CAER é de código aberto e liberado sob a licença do MIT.
Se você deseja citar a estrutura, fique à vontade para usar isso (mas apenas se você adorou?):
@article { jasmcaus ,
title = { Caer } ,
author = { Dsouza, Jason } ,
journal = { GitHub. Note: https://github.com/jasmcaus/caer } ,
volume = { 2 } ,
year = { 2020-2021 }
}