Repolode
Enviar
apple

apple/corenet

Toolkit basado en PyTorch de Apple para entrenar redes neuronales profundas, pequeñas y grandes, incluidos CLIP, LLM, modelos de clasificación, detección y segmentación.

Ver en GitHub
Estrellas
7,013
Forks
542
Issues abiertos
18
Último commit
el mes pasado

¿Qué es?

CoreNet es un toolkit de Apple para entrenar redes neuronales profundas con modelos estándar y novedosos, desde pequeña hasta gran escala, en tareas como modelos fundacionales (CLIP y LLM), clasificación de objetos, detección de objetos y segmentación semántica. Está basado en PyTorch y utiliza archivos de configuración YAML para seleccionar modelos, datasets y pipelines de entrenamiento de sus registros.

El repositorio incluye recetas de entrenamiento y evaluación, además de enlaces a pesos preentrenados, para varios proyectos de investigación publicados por Apple, como OpenELM, CatLIP, FastViT, MobileOne, MobileViT y KV Prediction. Los tutoriales abarcan cómo entrenar un modelo con un dataset nuevo, entrenamiento con SLURM en varios nodos, CLIP, segmentación semántica y detección de objetos. También incluye ejemplos para ejecutar de forma eficiente modelos seleccionados en Apple Silicon con MLX.

CoreNet evolucionó a partir de la biblioteca CVNets y amplía su alcance más allá de la visión por computadora para incluir modelos de lenguaje y multimodales.

Funciones clave

  • 01Recetas de entrenamiento y pesos preentrenados para modelos publicados como OpenELM, CatLIP y MobileViT.
  • 02Registros de modelos, datasets y funciones de pérdida configurados mediante archivos YAML.
  • 03Admite clasificación, detección y segmentación de imágenes, así como modelos multimodales al estilo de CLIP y modelos de lenguaje.
  • 04Guías para entrenamiento en varios nodos, incluido SLURM.
  • 05Ejemplos de MLX para ejecutar modelos seleccionados en Apple Silicon.

Casos de uso

  • Entrenar un modelo de clasificación o detección con un dataset personalizado y configuraciones reproducibles.
  • Reproducir o ampliar investigaciones publicadas por Apple, como MobileViT o CatLIP.
  • Preentrenar o ajustar modelos al estilo de CLIP o modelos de lenguaje pequeños a gran escala.
  • Ejecutar inferencias eficientes de modelos seleccionados en Apple Silicon mediante MLX.

Inicio rápido

  1. 1

    Instala Git LFS (Linux, con apt)

    sudo apt install git-lfs
  2. 2

    Clona el repositorio

    git clone git@github.com:apple/corenet.git
  3. 3

    Entra en la carpeta del repositorio y descarga los archivos de LFS

    git lfs pull
  4. 4

    Instala CoreNet con pip en modo editable (opcionalmente, dentro de un venv)

    python3 -m pip install --editable .

Antes de usarlo

  • La licencia no está claramente identificada (figura como NOASSERTION), así que consulta el archivo LICENSE antes de usarlo.
  • El README recomienda Linux con Python 3.10 o posterior y PyTorch 2.1.0 o posterior. Además, se necesita Git LFS para obtener el contenido del repositorio.
  • Las funciones de audio y vídeo necesitan paquetes adicionales del sistema, como sox y ffmpeg.

En colecciones

Bibliotecas y herramientas de visión artificial

Temas

#deep-learning#pytorch#computer-vision#llm#clip#object-detection#semantic-segmentation#training

Preguntas frecuentes

¿Qué es corenet?
Toolkit basado en PyTorch de Apple para entrenar redes neuronales profundas, pequeñas y grandes, incluidos CLIP, LLM, modelos de clasificación, detección y segmentación. CoreNet es un toolkit de Apple para entrenar redes neuronales profundas con modelos estándar y novedosos, desde pequeña hasta gran escala, en tareas como modelos fundacionales (CLIP y LLM), clasificación de objetos, detección de objetos y segmentación semántica. Está basado en PyTorch y utiliza archivos de configuración YAML para seleccionar modelos, datasets y pipelines de entrenamiento de sus registros.
¿corenet es gratuito? ¿Qué licencia tiene?
corenet es open source bajo la licencia Other. Revisa los términos de la licencia antes de usarlo en productos comerciales.
¿corenet sigue mantenido?
Actualizado en los últimos 6 meses. El último commit de corenet fue el 25 sept 2026.
¿Para qué puedo usar corenet?
Entrenar un modelo de clasificación o detección con un dataset personalizado y configuraciones reproducibles. Reproducir o ampliar investigaciones publicadas por Apple, como MobileViT o CatLIP. Preentrenar o ajustar modelos al estilo de CLIP o modelos de lenguaje pequeños a gran escala. Ejecutar inferencias eficientes de modelos seleccionados en Apple Silicon mediante MLX.
¿Cómo se instala corenet?
Instala Git LFS (Linux, con apt): sudo apt install git-lfs Clona el repositorio: git clone git@github.com:apple/corenet.git Entra en la carpeta del repositorio y descarga los archivos de LFS: git lfs pull Instala CoreNet con pip en modo editable (opcionalmente, dentro de un venv): python3 -m pip install --editable .
¿Dónde consigo corenet?
El código fuente y las instrucciones de instalación están en GitHub: https://github.com/apple/corenet

Resumen generado por IA a partir del README del proyecto. Las estadísticas de GitHub se actualizan a diario.

Proyectos relacionados