V0.7.0 增强功能

• 主干网络支持加载训练
• 度量学习：支持分类器保存及加载
• 度量学习: 支持生成新数据集的类中心，加速收敛
• 获取模型信息(耗时、文件大小、计算量、参数量等)
• TensorBoard：新增更详细的数据集信息
• 训练阶段评估指标更明确

V0.6.0 增强扩展性

度量学习

• 支持样本对加载
• 支持样本对评估
• 支持融合镜像特征
• 新增人像比对预处理

插件化，即插即用

• 重构预处理模块
• 重构模型评估
• 重构损失函数
• 重构学习率调度器
• 重构主干网络模块

其他

• 引入自研工具库，减少框架无关代码
• faiss-gpu在多GPU下可能报错，切换为cpu

V0.5.0 支持大规模分布式训练

改进功能

训练

• 配置参数py支持传参形式导入
• DDP:支持模型保存后直接加载
• DDP：支持分类任务
• DDP:支持度量学习
• DDP：支持混合精度、梯度积累、梯度裁剪

其他

• 封装tsdb,使得分布式训练时无感使用
• 不再支持CPU环境,故移除GithubAction
• 新增区分任务的标志位

V0.4.1 优化结构、增强扩展性

改进功能

1.训练

• 重构数据加载，更改数据集格式
• 重构训练格式，yaml->py
• 优化数据加载
• 优化测试流程，更简单清晰

2.统计指标

• 指标支持：弃用torchmetrics库，启用pycm库
• 混淆矩阵: (1) 显示类别名 (2)可视化
• 测试： 新增126个统计指标（总体65+各类别61）

3.部署

• 新增CPU推理引擎OpenVINO
• torchscript支持GPU推理

4.其他

• 简化推理
• 可视化网络结构不再占用GPU资源
• readthedocs迁移到github wiki
• github action支持测试

修复缺陷

• 修复 更改分辨率后可视化报错的问题
• 修复多GPU训练时可视化网络结构报错的问题

V0.3.0 全流程支持度量学习

改进功能

• 简化模型加载

• 新增batch级别的类别平衡采样

• 新增 Github Ac­tions持续集成，即自动训练/推理/部署

• 度量学习:

  • 支持训练
  • 支持验证/测试
  • 新增分类器：cosface/arcface/subcenter_arcface/circleloss
  • 可视化特征空间
  • 新增难样例挖掘

修复缺陷

• 修复 GPU模型无法加载到CPU

• 修复模型统计自动加载GPU导致报错

• 修复无法加载ema模型的问题

V0.2.0

改进功能

• 评价指标：集成torchmetrics，支持>25个评价指标
• 损失函数：新增label_smooth
• 模型：（1）EMA指数移动平均 （2）优化模型保存策略（3）新增模型指标统计
• 可解释性：集成pytorch-grad-cam，支持>8种注意力可视化算法

修复缺陷

• 修复无法进行CPU训练/预测
• 修复txt存在空格行导致加载错误
• 删除权重加载旧版代码

V0.1.0

	yaml属性	支持
采样策略	sampler	- normal 常规采样 - balance 类别平衡采样 ⭐️
主干网络	backbone	- 600+ SOTA预训练模型
损失函数	loss	- cross_entropy - focal_loss
优化器	optimizer	- sgd - adam - lamb - rmsprop - rmsproptf
学习率调度器	scheduler	- multistep - cosine