MAE 是 Kaiming He 和 Xinlei Chen 于2021年末推出的基于 Mask Image Modelling 的视觉自监督算法。其简单的结构以及优良的性能让业界及学术界的朋友们为之惊叹，许多同学也跃跃欲试。鉴于社区对 MAE 的迫切期待，MMSelfSup 今天隆重推出 MAE 尝鲜版！
Paper: https://arxiv.org/abs/2111.06377
MMSelfSup 中实现的 MAE（experimental 版本）参考了 MAE-pytorch ，我们对其中的各种模块进行进一步的整理和抽象，例如我们将其中 ViT 部分抽象为 backbone, neck 以及 head 的组合，以模块化的方式进行搭建。
MAE-pytorch 网址：
https://github.com/pengzhiliang/MAE-pytorch
此外，我们分离出其中的一些基础模块，例如 optimizer, learning scheduler 等，改用 MMCV 中的基础模块，从而使得调参更加容易。总体来说，MAE experimental 具有以下几个特色:
Highlights
- 代码结构更加清晰，理解更加容易
- 算法模块化，修改更加便利
- 无缝衔接 MMCV，调参更加强力
Pre-train
代码语言：javascript复制bash tools/dist_train.sh configs/selfsup/mae/mae_vit-b-16_8xb512-coslr-400e_in1k.py 8Fine-tune
代码语言：javascript复制GPUS=8 bash tools/benchmarks/classification/dist_train_linear.sh configs/benchmarks/classification/imagenet/vit-b-16_8xb128-coslr-100e-finetune_in1k.py ${CKPT_PATH}写在最后
我们希望开源 experimental MAE 能够给广大社区用户提供复现 MAE 的一些参考，同时也期待社区用户积极使用 experimental MAE 和反馈，同我们一起添砖加瓦！除此之外，正式版本正在积极准备中哦，敬请期待 ！
