关于Pet¶
什么是Pet？¶
Pet是Pytorch efficient toolbox的缩写，是一个基于Pytorch的功能丰富且运用灵活的人工智能运算平台。Pet集合了人工智能领域内包括图像、语音、文本、视频等多个主要的任务的Python实现，通过简单的字符串控制，可以灵活地使用不同的网络结构、算法、优化策略训练各种基于深度学习视觉任务的神经网络模型。
Pet一体化构建构建理念，抽象出神经网络解决各类任务的主要流程，凝练各种任务的通用模块，采用统一标准一体化构建深度学习任务，让各个任务拥有统一的构建、训练、推理流程。这种一体化的构建方式是Pet框架的主要特点，这个特点使用Pet具有逻辑简单、通用性强、便于迁移拓展的优势。Pet的构建逻辑可以用来规范用户进行研究、工程、部署等行为的规则。
任务支持¶
计算机视觉
[x] Image Classification
[x] Object Detection
[x] Instance Segmentation
[x] Semantic Segmentation
[x] Panoptic Segmentation
[x] Pose Estimation
[x] Human Parsing
自然语言处理
[x] w2v
视频理解
[x] action
关于本文档¶
我们的目标是充分利用Python Notebook的便利，将文字描述、图表和代码集中在一起，构成一份文档，能够作为教程来指导对于Pet的使用，同时该文档还会成为一本书，一份课程材料，以及开源成为可供借鉴的、有用的代码资源。
我们正在完全公开地开发此项目，并使其完全免费。虽然本文档需要由主要作者来确定内容的形式和基调，但我们非常愿意博采众长，希望接收到广大计算机视觉爱好者提供的代码以及文档的贡献和对我们工程代码中可能出现的错误的指正。