Implementação em PyTorch do GeoCLIP, um modelo no estilo CLIP que alinha imagens a coordenadas GPS para geolocalização global de imagens.
417+2 esta semana52PythonMITBem mantidoAtualizado há 13 dias
lightly-ai/lightly
Biblioteca Python para aprendizado auto-supervisionado em imagens, com componentes PyTorch para treinar modelos de visão sem rótulos.
- Estrelas
- 3,830
- Forks
- 379
- Issues abertas
- 119
- Último commit
- ontem
O que é?
Lightly SSL é um framework de visão computacional para aprendizado auto-supervisionado, uma técnica que treina modelos de imagem com dados sem rótulos. Ele é voltado a desenvolvedores que querem pré-treinar um backbone com sua própria coleção de imagens, em vez de depender apenas de pesos pré-treinados no estilo ImageNet.
A biblioteca segue um estilo semelhante ao do PyTorch e oferece componentes de baixo nível, como funções de loss, cabeças de projeção e predição e transformações de dados. Ela inclui implementações e exemplos de vários métodos publicados, entre eles MoCo, SimCLR, BYOL, DINO, DINOv2, MAE e VICReg, com exemplos em PyTorch e PyTorch Lightning. É possível usar modelos de backbone personalizados, e o treinamento distribuído em várias GPUs está disponível por meio do PyTorch Lightning.
A instalação é feita via pip, e o projeto usa a licença MIT. Os mantenedores também oferecem produtos comerciais separados para curadoria e rotulagem de dados, que não fazem parte deste pacote.
Recursos principais
- 01Componentes modulares, como funções de loss e cabeças de modelo
- 02Implementações de vários métodos auto-supervisionados, incluindo SimCLR, BYOL, DINO e MAE
- 03Suporte a modelos de backbone personalizados
- 04Exemplos em PyTorch e PyTorch Lightning
- 05Treinamento distribuído com losses agregadas e BatchNorm sincronizado
Casos de uso
- Pré-treinar um backbone de visão com um conjunto de imagens sem rótulos específico de um domínio
- Comparar diferentes métodos auto-supervisionados nos mesmos dados
- Criar experimentos de pesquisa personalizados de SSL com losses e cabeças intercambiáveis
- Treinar em várias GPUs com PyTorch Lightning
Antes de usar
- O suporte a Docker e os modelos pré-treinados que podem ser usados com um único comando estão disponíveis apenas na versão comercial.
Em coleções
Tópicos
#computer-vision#self-supervised-learning#pytorch#deep-learning#contrastive-learning#embeddings#contributions-welcome#hacktoberfest#machine-learning
Perguntas frequentes
- O que é lightly?
- Biblioteca Python para aprendizado auto-supervisionado em imagens, com componentes PyTorch para treinar modelos de visão sem rótulos. Lightly SSL é um framework de visão computacional para aprendizado auto-supervisionado, uma técnica que treina modelos de imagem com dados sem rótulos. Ele é voltado a desenvolvedores que querem pré-treinar um backbone com sua própria coleção de imagens, em vez de depender apenas de pesos pré-treinados no estilo ImageNet.
- lightly é gratuito? Qual é a licença?
- lightly é open source sob a licença MIT. Confira os termos da licença antes de usá-lo em produtos comerciais.
- lightly ainda é mantido?
- Manutenção ativa. O último commit de lightly foi em 6 de nov. de 2026.
- Para que posso usar lightly?
- Pré-treinar um backbone de visão com um conjunto de imagens sem rótulos específico de um domínio Comparar diferentes métodos auto-supervisionados nos mesmos dados Criar experimentos de pesquisa personalizados de SSL com losses e cabeças intercambiáveis Treinar em várias GPUs com PyTorch Lightning
- Onde consigo lightly?
- O código-fonte e as instruções de instalação estão no GitHub: https://github.com/lightly-ai/lightly
Resumo gerado por IA a partir do README do projeto. As estatísticas do GitHub são atualizadas diariamente.
Projetos relacionados
Biblioteca diferenciável de visão computacional baseada em PyTorch, com processamento de imagens otimizado para GPU, geometria, augmentations e operadores de correspondência de features.
12,4 mil+282 esta semana1,5 milPythonApache-2.0Atualizado há 12 horas
Uma extensão do PyTorch para criar e treinar modelos de deep learning com dados tabulares de tipos variados, incluindo texto e imagens.
80275PythonMITAtualizado há 5 dias
Biblioteca de deep learning baseada em PyTorch, com componentes de alto nível para treinar modelos rapidamente e recursos de baixo nível para pesquisa personalizada.
28,3 mil7,6 milJupyter NotebookApache-2.0Bem mantidoAtualizado há 2 meses
Framework declarativo de deep learning para treinar, ajustar e implantar LLMs e modelos multimodais e tabulares a partir de configurações YAML.
11,8 mil+2 esta semana1,2 milPythonApache-2.0Bem mantidoAtualizado há 5 dias
Biblioteca Python para executar, treinar e avaliar modelos de IA do hub ModelScope por meio de uma interface unificada de pipeline e Trainer.
9,2 mil+9 esta semana975PythonApache-2.0Bem mantidoAtualizado há 5 dias