Repolode
Enviar
apple

apple/corenet

Toolkit baseado em PyTorch da Apple para treinar redes neurais profundas de pequeno e grande porte, incluindo modelos CLIP, LLMs, de classificação, detecção e segmentação.

Ver no GitHub
Estrelas
7,013
Forks
542
Issues abertas
18
Último commit
mês passado

O que é?

CoreNet é um toolkit de redes neurais profundas da Apple para treinar modelos tradicionais e inovadores, de pequeno a grande porte, em tarefas como modelos fundacionais (CLIP e LLMs), classificação e detecção de objetos e segmentação semântica. Ele é baseado em PyTorch e usa arquivos de configuração YAML para selecionar modelos, datasets e pipelines de treinamento nos respectivos registries.

O repositório contém receitas de treinamento e avaliação, além de links para pesos pré-treinados, de vários projetos de pesquisa publicados pela Apple, incluindo OpenELM, CatLIP, FastViT, MobileOne, MobileViT e KV Prediction. Os tutoriais abordam o treinamento de modelos em novos datasets, treinamento SLURM com vários nós, CLIP, segmentação semântica e detecção de objetos. Também há exemplos de como executar modelos selecionados com eficiência em Apple Silicon usando MLX.

CoreNet evoluiu da antiga biblioteca CVNets e expandiu seu escopo para além da visão computacional, incluindo modelos de linguagem e multimodais.

Recursos principais

  • 01Receitas de treinamento e pesos pré-treinados para modelos publicados, como OpenELM, CatLIP e MobileViT.
  • 02Registries de modelos, datasets e funções de perda configurados por meio de arquivos YAML.
  • 03Suporte a modelos de classificação, detecção e segmentação de imagens, além de modelos multimodais no estilo CLIP e de linguagem.
  • 04Orientações para treinamento com vários nós, incluindo SLURM.
  • 05Exemplos com MLX para executar modelos selecionados em Apple Silicon.

Casos de uso

  • Treinar um modelo de classificação ou detecção em um dataset personalizado usando configurações reproduzíveis.
  • Reproduzir ou ampliar pesquisas publicadas pela Apple, como MobileViT ou CatLIP.
  • Fazer pré-treinamento ou fine-tuning de modelos no estilo CLIP ou de modelos de linguagem pequenos em grande escala.
  • Executar inferência eficiente de modelos selecionados em Apple Silicon usando MLX.

Início rápido

  1. 1

    Instale o Git LFS (Linux, usando apt)

    sudo apt install git-lfs
  2. 2

    Clone o repositório

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

    Acesse a pasta do repositório e baixe os arquivos do LFS

    git lfs pull
  4. 4

    Instale o CoreNet com pip no modo editável (opcionalmente, dentro de um venv)

    python3 -m pip install --editable .

Antes de usar

  • A licença não está claramente identificada (consta como NOASSERTION), então confira o arquivo LICENSE antes de usar.
  • O README recomenda Linux com Python 3.10 ou superior e PyTorch 2.1.0 ou superior. Além disso, é necessário ter o Git LFS para obter o conteúdo do repositório.
  • Os recursos de áudio e vídeo precisam de pacotes adicionais do sistema, como sox e ffmpeg.

Em coleções

Bibliotecas e ferramentas de visão computacional

Tópicos

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

Perguntas frequentes

O que é corenet?
Toolkit baseado em PyTorch da Apple para treinar redes neurais profundas de pequeno e grande porte, incluindo modelos CLIP, LLMs, de classificação, detecção e segmentação. CoreNet é um toolkit de redes neurais profundas da Apple para treinar modelos tradicionais e inovadores, de pequeno a grande porte, em tarefas como modelos fundacionais (CLIP e LLMs), classificação e detecção de objetos e segmentação semântica. Ele é baseado em PyTorch e usa arquivos de configuração YAML para selecionar modelos, datasets e pipelines de treinamento nos respectivos registries.
corenet é gratuito? Qual é a licença?
corenet é open source sob a licença Other. Confira os termos da licença antes de usá-lo em produtos comerciais.
corenet ainda é mantido?
Atualizado nos últimos 6 meses. O último commit de corenet foi em 25 de set. de 2026.
Para que posso usar corenet?
Treinar um modelo de classificação ou detecção em um dataset personalizado usando configurações reproduzíveis. Reproduzir ou ampliar pesquisas publicadas pela Apple, como MobileViT ou CatLIP. Fazer pré-treinamento ou fine-tuning de modelos no estilo CLIP ou de modelos de linguagem pequenos em grande escala. Executar inferência eficiente de modelos selecionados em Apple Silicon usando MLX.
Como instalar corenet?
Instale o Git LFS (Linux, usando apt): sudo apt install git-lfs Clone o repositório: git clone git@github.com:apple/corenet.git Acesse a pasta do repositório e baixe os arquivos do LFS: git lfs pull Instale o CoreNet com pip no modo editável (opcionalmente, dentro de um venv): python3 -m pip install --editable .
Onde consigo corenet?
O código-fonte e as instruções de instalação estão no GitHub: https://github.com/apple/corenet

Resumo gerado por IA a partir do README do projeto. As estatísticas do GitHub são atualizadas diariamente.

Projetos relacionados