Фильтр публикаций


​​весь source code нашего решения за NeurIPS и вся мощь Catalyst.RL в одном репозитории


во славу RL, видео с семинара по ШАД RL
https://youtu.be/PprDcJHrFdg?t=4020
NeurIPS: Learn to Move (Sergey Kolesnikov, Dmitry Akimov, Alexander Orlov)
На семинаре Сергей Колесников, Дмитрий Акимов и Александр Орлов рассказывают о результатах их участия в соревновании NeurIPS: Learn to Move 2019 Ребята занял...


Few updates for Catalyst tutorials,
- jupyter tensorBoard support
- advanced pretrained models
- albumentations
- nvidia apex
- TTA
- pytorch tracing
- custom callback usage example

for both, classification and segmentation.


хай гайз, скоро декабрь, NIPS, потом немного “свободного времени”

в общем, в декабре хочу переписать Catalyst.RL core в user/notebook-friendly way и докинуть фичей (Multi-Agent RL, например, или поддержку неполных траекторий)
т.е., хочу еще бустануть всю имеющуюся машинерию, чтобы было удобно и можно было закинуть в production (звучит просто, что может пойти не так?)
собственно, даже я знаю таких систем 3-5, т.е. довольно много, а уж всем сообществом должны все найти и собрать в одном месте, чтобы потом вдохновляться, а не ходить по интернетам и распыляться

поэтому, если
1. вы знаете годные реализации похожих систем – пишите в тред, линку на paper, линку на реализацию, overview как работает, что хорошо, а что можно сделать лучше
2. знаете крутые реализации RL алгоритмов, которых еще нет – пишите в тред, paper, реализацию, overview что это, почему круто и насколько хорошо работает
3. имеете опыт запуска таких вот distributed систем – тоже пишите советы за то, how2make it done correctly – но тут прошу реализацию catalyst.rl глянуть
4. если уже использовали catalyst.rl, знаете его “кишочки” и готовы с пользой провести новогодний хакатон – you are welcome, likeacatalyst

как-то так, pepe-loves, всем :dushevnost:
share, like, repost приветствуются - вдруг знаете кого, кому это было бы интересно

под предложения ставьте плиз #catalystrl2 – так их будет много проще найти потом 🙂
🙏 не пишите в личку – только тред 🙏
а то потом не разгребу – будет неловко








Hi, everybody! Yesterday we brought you a new Catalyst release 19.11.1, and today we will present a new update of Catalyst-info about Callbacks!

https://github.com/catalyst-team/catalyst-info#catalyst-info-5-callbacks


хай гайз,
а у нас новый релиз, даже 2: 19.11 -> 19.11.1 🙂

- удивительно, но факт, segmentation tutorial мы запилили только в последнем месяце, зато какой 💪
- а еще, совместно с albumentations зашли в Pytorch.Ecosystem , likeacatalyst, как говорится
- по запросам общественности, мы хорошо поработали над codestyle, автопроверками и вообще все сделали по красоте, прям
- ну и да, некто scitator наконец докинул комментов в RL ... ну а если серьезно, то сейчас активно работаю над тем, чтобы сделать Catalyst.RL куда более user-friendly, это важно для развития нашей RL инициативы

internally, в Catalyst сейчас кипит бурная деятельность, над фичами, фиксами, туториалами
не знаю, как это описать, но очень приятно, что проект развивается и становится такой точкой притяжения и knowledge sharing, вот такого и хотелось

мое признание и уважение всем нашим контрибьюторам и Catalyst Team


​​время идет, а NeurIPS competition для нас не заканчивается – завтра дедлайн на подачу статьи по решению
и пока мы ее пишем, подготовили бодрое видео за наше решение 🚀
NeurIPS 2019: Learn to Move - Walk Around, 2nd place solution
NeurIPS 2019: Learn to Move - Walk Around, 2nd place solution. Jolly Roger Team. Sergey Kolesnikov (MIPT) Valentin Khrulkov (Skoltech) Code: https://github.c...


Hey, everybody! Catalyst-team has its own page on Docker-hub
https://hub.docker.com/r/catalystteam/catalyst/tags

With each release, a new tags will be added.

- catalystteam/catalyst:19.10 — is an simple image with a catalyst
- catalystteam/catalyst:19.10-fp16 — it's the same, but with Apex and FP16 preinstalled
- catalystteam/catalyst:19.10-dev — a docker for development, there are all the requirements, including for building the docs
- catalystteam/catalyst:19.10-dev-fp16 — as above, but with Apex

Now, all you need to do is
FROM catalystteam/catalyst:19.10-fp16

RUN pip install -r your-requirements.txt


​​NeurIPS 2019: Learn to Move - Walk Around
или Битва RL фреймворков

1st place – Baidu и PARL
2nd place – Catalyst.RL

мы, конечно, не китайский гугл, но на NeurIPS RL зашли красиво
а с учетом статистики, даже интересно, что же дальше...
2017 - 3rd place
2018 - 3rd place
2019 - 2nd place
2020 - ?


It's a big day for us. Catalyst has been added to PyTorch Ecosystem https://pytorch.org/ecosystem

There are still many victories to come, so subscribe to https://github.com/catalyst-team/catalyst


Catalyst-team has a list of the best projects, tutorials and source code from the competitions, which use Catalyst. Check out https://github.com/catalyst-team/awesome-catalyst-list

You can request to add your own repository via pull-request on GitHub.


новый апдейт – segmentation pipeline
https://github.com/catalyst-team/segmentation

теперь можно обучать сегментацию в один скрипт
- как под свои данные использовать - есть
- docker - есть
- albumentations - one love
- скрипты для pre/post-процессинга - есть
--> надо брать 🙂

вообще получился очень хороший tutorial-like репозиторий, чтобы вдохновляться для своих проектов


хай гайз,
недавно Catalyst был НаСтачке в Иннополисе и всячески продвигал RL для студентов, роборук и self-driving – в Иннополисе этого всего хватает

самое приятное – в ходе доклада были рассмотренны внутренности Catalyst.RL и как вообще работает вся эта машинения, где можно посмотреть примеры и какие есть успешные кейсы, конечно же, с видео
да и вообще презентация вышла хорошим intoduction за RL -> 8-10 слайды ваш выбор

собственно, сами слайды
https://docs.google.com/presentation/d/1U6VWIwQnQDGtu6a1x61tt3AlxCJ1-A1EYKd8lR9tKos/edit?usp=sharing
если есть какие вопросы – you are welcome 🙂


Besides, it's already October, which means the release of 19.10 in Catalyst.

Catalyst is now officially supported by Kaggle Docker, and we also have intergated to Weights and Biases framework documentation.

We've managed to do a lot of things:
- SyncBatchnorm support for distributed training
- catalyst-init for Config API
- advanced MLP/CNN policies for Catalyst.RL and large files support in MongoDB.

Full changelog at https://github.com/catalyst-team/catalyst/releases/tag/v19.10




Hi!

To train your model Catalyst uses Runner class, that knows everything about HOW to run your Experiment.

Read a post about Runner internals, how it communicates with Callbacks and much more!

https://github.com/catalyst-team/catalyst-info#catalyst-info-3-runners


Catalyst + Torch.Jit = 🚀

What's it for?
Traceability of Pytorch models allows you to speed up the model inference and allows you to run it not only with Python, but also with C++.

How to trace model in Catalyst?
To do this, just run
catalyst-dl trace /path/to/logdir --out-model /path/to/output/
For model's tracing, Catalyst uses the same code that aws dumped during experiment. It is made for reproducibility, so that you can always recreate your model, even if the code in the production has already changed 👍

You can also choose, which method to trace, train/eval mode, gradients accumulation, etc.

How do I download the model after training?
Once we've traced the model, it can be loaded into the python as
model = torch.jit.load(path)

```Full version:
https://github.com/catalyst-team/catalyst-info/blob/master/README.md#catalyst-info-2-tracing-with-torchjit

Показано 20 последних публикаций.

118

подписчиков
Статистика канала