timm/beit_large_patch16_224.in22k_ft_in22k_in1k

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_in1k', pretrained=True)
model = model.eval()

# obtener transformaciones específicas del modelo (normalización, redimensionamiento)
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)) # un solo batch de tamaño 1

top5_probabilidades, top5_indices_clases = 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_in1k', pretrained=True, num_classes=0) # eliminar clasificador nn.Linear
model = model.eval()

# obtener transformaciones específicas del modelo (normalización, redimensionamiento)
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)) # la salida es un tensor de la forma (batch_size, num_features)

# o equivalentemente (sin necesitar configurar num_classes=0)

output = model.forward_features(transforms(img).unsqueeze(0)) # la salida es no agrupada, un tensor de la forma (1, 197, 1024)

output = model.forward_head(output, pre_logits=True) # la salida es un tensor de la forma (1, num_features)