EdgeSAM 项目教程
2026-01-23 04:41:16作者:裴麒琰
1. 项目目录结构及介绍
EdgeSAM 项目的目录结构如下:
EdgeSAM/
├── edge_sam/
│ ├── __init__.py
│ ├── model.py
│ └── ...
├── evaluation/
│ ├── eval_script.py
│ └── ...
├── notebooks/
│ ├── example.ipynb
│ └── ...
├── scripts/
│ ├── export_coreml_model.py
│ └── ...
├── training/
│ ├── train_script.py
│ └── ...
├── web_demo/
│ ├── gradio_app.py
│ └── ...
├── .gitignore
├── .gitmodules
├── LICENSE
├── README.md
├── README_TRAIN.md
├── requirements.txt
├── setup.cfg
└── setup.py
目录结构介绍
- edge_sam/: 包含 EdgeSAM 模型的核心代码,如模型定义、预测器等。
- evaluation/: 包含评估脚本和相关文件,用于评估模型的性能。
- notebooks/: 包含 Jupyter Notebook 示例,展示如何使用 EdgeSAM 进行预测。
- scripts/: 包含一些实用脚本,如模型导出脚本。
- training/: 包含训练脚本和相关文件,用于训练 EdgeSAM 模型。
- web_demo/: 包含 Web 演示的代码,使用 Gradio 构建交互式演示。
- .gitignore: Git 忽略文件配置。
- .gitmodules: Git 子模块配置。
- LICENSE: 项目许可证文件。
- README.md: 项目主 README 文件,包含项目概述和使用说明。
- README_TRAIN.md: 训练相关说明文件。
- requirements.txt: 项目依赖包列表。
- setup.cfg: 项目配置文件。
- setup.py: 项目安装脚本。
2. 项目启动文件介绍
启动文件
- web_demo/gradio_app.py: 这是 EdgeSAM 项目的启动文件,用于启动 Web 演示。通过运行此文件,可以在本地启动一个交互式的 Web 演示,展示 EdgeSAM 模型的功能。
启动命令
python web_demo/gradio_app.py
默认情况下,Web 演示将托管在 http://0.0.0.0:8080/。可以通过以下命令自定义服务器名称和端口:
python web_demo/gradio_app.py --checkpoint [CHECKPOINT] --server-name [SERVER_NAME] --port [PORT]
3. 项目配置文件介绍
配置文件
- setup.cfg: 这是 EdgeSAM 项目的主要配置文件,包含了项目的各种配置选项,如安装路径、依赖包等。
配置文件内容示例
[metadata]
name = EdgeSAM
version = 0.1.0
description = Official PyTorch implementation of "EdgeSAM: Prompt-In-the-Loop Distillation for On-Device Deployment of SAM"
author = Chong Zhou, Xiangtai Li, Chen Change Loy, Bo Dai
license = MIT
[options]
packages = find:
install_requires =
torch==2.0.0
torchvision==0.15.1
...
配置文件说明
- [metadata]: 包含项目的元数据,如项目名称、版本、描述、作者和许可证。
- [options]: 包含项目的安装选项,如需要安装的包和依赖项。
通过这些配置文件,可以方便地管理和配置 EdgeSAM 项目。
登录后查看全文
热门项目推荐
相关项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0151- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
LongCat-Video-Avatar-1.5最新开源LongCat-Video-Avatar 1.5 版本,这是一款经过升级的开源框架,专注于音频驱动人物视频生成的极致实证优化与生产级就绪能力。该版本在 LongCat-Video 基础模型之上构建,可生成高度稳定的商用级虚拟人视频,支持音频-文本转视频(AT2V)、音频-文本-图像转视频(ATI2V)以及视频续播等原生任务,并能无缝兼容单流与多流音频输入。00
auto-devAutoDev 是一个 AI 驱动的辅助编程插件。AutoDev 支持一键生成测试、代码、提交信息等,还能够与您的需求管理系统(例如Jira、Trello、Github Issue 等)直接对接。 在IDE 中,您只需简单点击,AutoDev 会根据您的需求自动为您生成代码。Kotlin03
Intern-S2-PreviewIntern-S2-Preview,这是一款高效的350亿参数科学多模态基础模型。除了常规的参数与数据规模扩展外,Intern-S2-Preview探索了任务扩展:通过提升科学任务的难度、多样性与覆盖范围,进一步释放模型能力。Python00
skillhubopenJiuwen 生态的 Skill 托管与分发开源方案,支持自建与可选 ClawHub 兼容。Python0111
项目优选
收起
暂无描述
Dockerfile
731
4.74 K
Ascend Extension for PyTorch
Python
610
794
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
1 K
1.01 K
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
433
392
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
145
237
Claude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed.
Get Started
Rust
1.16 K
150
暂无简介
Dart
983
252
Oohos_react_native
React Native鸿蒙化仓库
C++
348
401
昇腾LLM分布式训练框架
Python
166
198
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.67 K
987