eva_giant_patch14_560.m30m_ft_in22k_in1k

timm

Clasificación de imagen

Un modelo de clasificación de imágenes EVA. Preentrenado en Merged-30M (ImageNet-22K, CC12M, CC3M, Object365, COCO (train), ADE20K (train)) con modelado de imágenes enmascaradas (usando OpenAI CLIP-L como maestro MIM) y afinado en ImageNet-22k y luego en ImageNet-1k por los autores del artículo. NOTA: Los puntos de control timm son float32 para consistencia con otros modelos. Los puntos de control originales son float16 o bfloat16 en algunos casos, consulte los originales si lo prefiere.

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('eva_giant_patch14_560.m30m_ft_in22k_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 la imagen única al 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(
'eva_giant_patch14_560.m30m_ft_in22k_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)) # salida es un tensor con forma (batch_size, num_features)

# o equivalentemente (sin necesidad de fijar num_classes=0)

output = model.forward_features(transforms(img).unsqueeze(0))
# salida no agrupada, un tensor con forma (1, 1601, 1408)

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

Funcionalidades

Clasificación de imágenes / columna vertebral de características
Parámetros (M): 1014.4
GMACs: 1906.8
Activaciones (M): 2577.2
Tamaño de imagen: 560 x 560

Casos de uso

Clasificación de imágenes
Generación de embeddings de imágenes