levit_256.fb_dist_in1k

timm

Clasificación de imagen

Un modelo de clasificación de imágenes LeViT que utiliza el modo convolucional (usando nn.Conv2d y nn.BatchNorm2d). Preentrenado en ImageNet-1k usando distilación por los autores del artículo. El modelo tiene 18.9 millones de parámetros, 1.1 GMACs, 4.2 millones de activaciones y un tamaño de imagen de 224 x 224.

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('levit_256.fb_dist_in1k', pretrained=True)
model = model.eval()

# obtener transformaciones específicas del modelo (normalización, ajuste 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 dimensión adicional para simular un lote de tamaño 1

top5_probabilities, top5_class_indices = torch.topk(output.softmax(dim=1) * 100, k=5)

Embebimientos 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(
'levit_256.fb_dist_in1k',
pretrained=True,
num_classes=0, # eliminar clasificador nn.Linear
)
model = model.eval()

# obtener transformaciones específicas del modelo (normalización, ajuste 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 resultado es un tensor de forma (tamaño_lote, num_features)

# o de manera equivalente (sin necesidad de establecer num_classes=0)

output = model.forward_features(transforms(img).unsqueeze(0))
# el resultado no tiene agrupación (es decir, un tensor de forma (tamaño_lote, num_features, H, W))

output = model.forward_head(output, pre_logits=True)
# el resultado es un tensor de forma (tamaño_lote, num_features)

Funcionalidades

Clasificación de imágenes
Generación de embebimientos de imágenes
Modelo preentrenado en ImageNet-1k
Modo convolucional utilizando nn.Conv2d y nn.BatchNorm2d
18.9 millones de parámetros
1.1 GMACs
4.2 millones de activaciones
Tamaño de imagen: 224 x 224
Distilación utilizada en el preentrenamiento

Casos de uso

Clasificación de imágenes para diversas aplicaciones
Extracción de características y embebimientos de imágenes para usos en redes neuronales
Comparación de imágenes y medidas de similitud
Mejora en la velocidad de inferencia en sistemas de visión