fvcore

fvcore 是一个轻量级核心库，为 FAIR 开发的各类计算机视觉框架（如 Detectron2、PySlowFast 和 ClassyVision）提供最常见且必要的共享功能。本库中的所有组件均经过类型注解、测试和基准测试。FAIR 的计算机视觉团队负责维护此库。

功能特性：

除了一些基本工具外，fvcore 还包含以下功能：

• fvcore.nn 中的常用 PyTorch (Python 深度学习框架) 层、函数和损失函数。
• 分层算子 FLOP (浮点运算次数) 计数工具：详见 此说明。
• 递归参数计数：参见 API 文档。
• 重新计算 BatchNorm (批归一化) 总体统计信息：参见其 API 文档。
• 无状态、尺度不变的超参数调度器：参见其 API 文档。

安装：

fvcore 依赖 PyTorch 且 Python (编程语言) 版本需 >= 3.6。

请使用以下任一方式进行安装：

1. 从 PyPI 安装（每晚更新）

pip install -U fvcore

2. 从 Anaconda Cloud 安装（每晚更新）

conda install -c fvcore -c iopath -c conda-forge fvcore

3. 从 GitHub 安装最新版本

pip install -U 'git+https://github.com/facebookresearch/fvcore'

4. 从本地克隆安装

git clone https://github.com/facebookresearch/fvcore
pip install -e fvcore

许可证

本库依据 Apache 2.0 许可证 发布。

fvcore 快速上手指南

fvcore 是 FAIR 开发的一个轻量级核心库，为各类计算机视觉框架（如 Detectron2、SlowFast）提供通用的基础功能。所有组件均经过类型标注、测试和基准测试。

1. 环境准备

在开始之前，请确保您的开发环境满足以下要求：

• Python 版本: >= 3.6
• 前置依赖: PyTorch (需预先安装)

2. 安装步骤

推荐使用 PyPI 进行安装。由于网络原因，国内用户可参考下方的镜像源提示。

方式一：通过 PyPI 安装（推荐）

pip install -U fvcore

提示：若下载速度较慢，可添加国内镜像源参数，例如： pip install -U fvcore -i https://pypi.tuna.tsinghua.edu.cn/simple

方式二：通过 Conda 安装

conda install -c fvcore -c iopath -c conda-forge fvcore

方式三：从源码安装（适用于开发者）

git clone https://github.com/facebookresearch/fvcore
pip install -e fvcore

3. 基本使用

安装完成后，可通过导入模块来验证安装并调用核心功能。以下是基于常用功能的简单示例：

import fvcore
from fvcore.nn import parameter_count

# 验证安装版本
print(fvcore.__version__)

# 示例：递归参数量统计
# model = YourModel()
# count = parameter_count(model)

更多功能（如 FLOP 计数、BatchNorm 统计更新、超参数调度器）的详细用法，请参考 API 文档。