efficientformerv2_l.snap_dist_in1k
timm
Clasificación de imagen
Un modelo de clasificación de imágenes EfficientFormer-V2. Entrenado previamente con destilación en ImageNet-1k.
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('efficientformerv2_l.snap_dist_in1k', 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)) # añadir imagen única en lote de 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(
'efficientformerv2_l.snap_dist_in1k',
pretrained=True,
num_classes=0, # eliminar 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)) # el output es un tensor con forma (batch_size, num_features)
# o de manera equivalente (sin necesidad de establecer num_classes=0)
output = model.forward_features(transforms(img).unsqueeze(0))
# el output no está agrupado (es decir, un tensor con forma (batch_size, num_features, H, W))
output = model.forward_head(output, pre_logits=True)
# el output es un tensor con forma (batch_size, num_features)
Extracción de Mapas 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(
'efficientformerv2_l.snap_dist_in1k',
pretrained=True,
features_only=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)) # añadir imagen única en lote de 1
for o in output:
# imprimir forma de cada mapa de características en el output
# e.g. para efficientformerv2_l:
# torch.Size([2, 40, 56, 56])
# torch.Size([2, 80, 28, 28])
# torch.Size([2, 192, 14, 14])
# torch.Size([2, 384, 7, 7])
print(o.shape)
Comparación de Modelos
efficientformerv2_l.snap_dist_in1k
- top1: 83.628
- top5: 96.54
- param_count: 26.32
- img_size: 224
efficientformer_l7.snap_dist_in1k
- top1: 83.368
- top5: 96.534
- param_count: 82.23
- img_size: 224
efficientformer_l3.snap_dist_in1k
- top1: 82.572
- top5: 96.24
- param_count: 31.41
- img_size: 224
efficientformerv2_s2.snap_dist_in1k
- top1: 82.128
- top5: 95.902
- param_count: 12.71
- img_size: 224
efficientformer_l1.snap_dist_in1k
- top1: 80.496
- top5: 94.984
- param_count: 12.29
- img_size: 224
efficientformerv2_s1.snap_dist_in1k
- top1: 79.698
- top5: 94.698
- param_count: 6.19
- img_size: 224
efficientformerv2_s0.snap_dist_in1k
- top1: 76.026
- top5: 92.77
- param_count: 3.6
- img_size: 224
Funcionalidades
- Tipo de modelo: Clasificación de imágenes / columna vertebral de características
- Parámetros (M): 26.3
- GMACs: 2.6
- Activaciones (M): 18.5
- Tamaño de la imagen: 224 x 224
- Artículo original: https://github.com/snap-research/EfficientFormer
- Artículos: Rethinking Vision Transformers for MobileNet Size and Speed: https://arxiv.org/abs/2212.08059
- Conjunto de datos: ImageNet-1k
Casos de uso
- Clasificación de imágenes
- Embeddings de imágenes
- Extracción de mapas de características