inplace_abn
把批归一化与激活函数合并的网络层，可在深度网络训练时节省显存。让同样的硬件能训练更大的模型或使用更大的批量。
分享到 X许可证: BSD-3-Clause
概述
In-Place Activated BatchNorm（InPlace-ABN）是一个 PyTorch 层，用于降低训练深度网络所需的显存。它把批归一化和随后的激活合并为一次原地运算，并按需丢弃或重新计算中间缓冲。README 称在 ResNet、ResNeXt、Wider ResNet 等结构中最多可节省 50% 内存。仓库还包含 ImageNet 训练脚本和语义分割推理代码。
主要特点
- 把批归一化与激活合并为一次原地运算
- 据称在现代结构中最多节省 50% 内存
- 提供复现论文 ImageNet 结果的训练脚本
- 含 Mapillary Vistas 模型的语义分割推理代码
适用场景
适合训练大型网络时受限于 GPU 显存，想在同样硬件上用更大模型或批量的深度学习从业者。
- 上游仓库
- mapillary/inplace_abn
- GitHub 上的 fork
- Guo-astro/inplace_abn
- 上游 Star 数
- 1.3k
- 分类
- 金融、数据与研究
- 编程语言
- Python
- 许可证
- BSD-3-Clause
- Fork 时间
- 2020-12-05
- 同步状态
- 已同步上次同步 2026-09-29
同分类更多: 金融、数据与研究
面向分析师、量化人员和AI代理的开放数据平台，可用Python获取股票、加密货币、期权和经济等金融数据。
系统化量化交易的资源精选列表，涵盖加密货币、股票、期货、期权和外汇等领域的库与工具。
每天抓取arXiv新论文并用AI总结，通过GitHub Pages展示的工具。帮助研究者跟进论文并突出感兴趣的主题。
- real-time-person-elderly-fall-detection-systemfork 自 AwaisShah75/Real-Time-Person-Elderly-Fall-Detection-System已同步
基于摄像头视频实时检测跌倒的计算机视觉系统，面向老人看护。力求减少坐下、睡觉造成的误报，并应对被家具遮挡的情况。