beit_large_patch16_224.in22k_ft_in22k
timm
Clasificación de imagen
Un modelo de clasificación de imágenes BEiT. Entrenado en ImageNet-22k con modelado de imágenes enmascaradas autosupervisado (MIM) utilizando un DALL-E dVAE como tokenizador visual. Ajustado en ImageNet-22k.
Como usar
Clasificación de Imágenes
from urllib.request import urlopen
from PIL import Image
import timm
img = Image.open(urlopen('https://huggingface.co/datasets/huggingface/documentation-images/resolve/main/beignets-task-guide.png'))
model = timm.create_model('beit_large_patch16_224.in22k_ft_in22k', pretrained=True)
model = model.eval()
# obtener transformaciones específicas del modelo (normalización, cambio de tamaño)
data_config = timm.data.resolve_model_data_config(model)
transforms = timm.data.create_transform(**data_config, is_training=False)
output = model(transforms(img).unsqueeze(0)) # unsqueeze single image into batch of 1
top5_probabilities, top5_class_indices = torch.topk(output.softmax(dim=1) * 100, k=5)
Embeddings de Imágenes
from urllib.request import urlopen
from PIL import Image
import timm
img = Image.open(urlopen('https://huggingface.co/datasets/huggingface/documentation-images/resolve/main/beignets-task-guide.png'))
model = timm.create_model('beit_large_patch16_224.in22k_ft_in22k', pretrained=True, num_classes=0) # remover clasificador nn.Linear
model = model.eval()
# obtener transformaciones específicas del modelo (normalización, cambio de tamaño)
data_config = timm.data.resolve_model_data_config(model)
transforms = timm.data.create_transform(**data_config, is_training=False)
output = model(transforms(img).unsqueeze(0)) # salida es un tensor con forma (batch_size, num_features)
# o equivalentemente (sin necesidad de poner num_classes=0)
output = model.forward_features(transforms(img).unsqueeze(0))
# salida es sin agrupar, un tensor con forma (1, 197, 1024)
output = model.forward_head(output, pre_logits=True)
# salida es un tensor con forma (1, num_features)
Funcionalidades
- Modelo de clasificación de imágenes / columna vertebral de características
- Params (M): 325.8
- GMACs: 61.6
- Activaciones (M): 63.5
- Tamaño de imagen: 224 x 224
Casos de uso
- Clasificación de Imágenes
- Embeddings de Imágenes