timm/convnext_pico_ols.d1_in1k
timm
Clasificación de imagen
Un modelo de clasificación de imágenes ConvNeXt. Entrenado en timm en ImageNet-1k por Ross Wightman. Este modelo está diseñado para clasificación de imágenes, extracción de mapas de características y embeddings de imágenes. Detalles del modelo: tipo de modelo: clasificación de imágenes / columna vertebral de características, parámetros: 9.1M, GMACs: 1.4, activaciones: 6.5M, tamaño de imagen: entrenamiento = 224x224, prueba = 288x288.
Como usar
from urllib.request import urlopen
from PIL import Image
import timm
# Clasificación de imágenes
img = Image.open(urlopen('https://huggingface.co/datasets/huggingface/documentation-images/resolve/main/beignets-task-guide.png'))
model = timm.create_model('convnext_pico_ols.d1_in1k', pretrained=True)
model = model.eval()
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))
# Extracción de mapas de características
model = timm.create_model('convnext_pico_ols.d1_in1k', pretrained=True, features_only=True)
model = model.eval()
output = model(transforms(img).unsqueeze(0))
# Embeddings de imágenes
model = timm.create_model('convnext_pico_ols.d1_in1k', pretrained=True, num_classes=0)
model = model.eval()
output = model(transforms(img).unsqueeze(0))
output = model.forward_features(transforms(img).unsqueeze(0))
output = model.forward_head(output, pre_logits=True)
Funcionalidades
- Clasificación de imágenes
- Extracción de mapas de características
- Embeddings de imágenes
- Núcleo de características
Casos de uso
- Clasificación de imágenes
- Extracción de características de imágenes
- Generación de embeddings de imágenes