timm/efficientnet_b0.ra_in1k
timm
Clasificación de imagen
Un modelo de clasificación de imágenes EfficientNet. Entrenado en ImageNet-1k en timm usando la plantilla de receta descrita a continuación. Detalles de la receta: Receta RandAugment RA. Inspirado y evolucionado de las recetas RandAugment EfficientNet. Publicado como B recipe en ResNet Strikes Back. Optimización RMSProp (comportamiento TF 1.0), promediación de pesos EMA Horario de LR con decaimiento exponencial con escalera y calentamiento.
Como usar
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('efficientnet_b0.ra_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)) # agregar una única imagen a un lote de 1
top5_probabilities, top5_class_indices = torch.topk(output.softmax(dim=1) * 100, k=5)
Funcionalidades
- Tipo de modelo: Clasificación de imágenes / columna vertebral de características
- Parámetros (M): 5.3
- GMACs: 0.4
- Activaciones (M): 6.7
- Tamaño de la imagen: 224 x 224
Casos de uso
- Clasificación de imágenes
- Extracción de mapas de características
- Embeddings de imágenes