timm/convnext_xlarge.fb_in22k_ft_in1k_384
timm
Clasificación de imagen
Un modelo de clasificación de imágenes ConvNeXt. Preentrenado en ImageNet-22k y ajustado en ImageNet-1k por los autores del artículo. El modelo es un tipo de clasificación de imágenes y funciona como un respaldo de características. Tiene 350.2 millones de parámetros, 179.2 GMACs, 169.0 millones de activaciones y una imagen de entrada de tamaño 384 x 384.
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('convnext_xlarge.fb_in22k_ft_in1k_384', pretrained=True)
model = model.eval()
# get model specific transforms (normalización, redimensionar)
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)
Extracción de Mapa de Características
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(
'convnext_xlarge.fb_in22k_ft_in1k_384',
pretrained=True,
features_only=True,
)
model = model.eval()
# get model specific transforms (normalización, redimensionar)
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
for o in output:
# print shape of each feature map in output
# e.g.:
# torch.Size([1, 256, 96, 96])
# torch.Size([1, 512, 48, 48])
# torch.Size([1, 1024, 24, 24])
# torch.Size([1, 2048, 12, 12])
print(o.shape)
Embeddings de Imagen
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(
'convnext_xlarge.fb_in22k_ft_in1k_384',
pretrained=True,
num_classes=0, # remove classifier nn.Linear
)
model = model.eval()
# get model specific transforms (normalización, redimensionar)
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)) # output is (batch_size, num_features) shaped tensor
# or equivalently (without needing to set num_classes=0)
output = model.forward_features(transforms(img).unsqueeze(0))
# output is unpooled, a (1, 2048, 12, 12) shaped tensor
output = model.forward_head(output, pre_logits=True)
# output is a (1, num_features) shaped tensor
Funcionalidades
- Tipo de modelo: Clasificación de imágenes / respaldo de características
- Parámetros (M): 350.2
- GMACs: 179.2
- Activaciones (M): 169.0
- Tamaño de imagen: 384 x 384
- Trained en ImageNet-1k
- Preentrenado en ImageNet-22k
Casos de uso
- Clasificación de imágenes
- Extracción de mapas de características
- Generación de embeddings de imagen