timm/maxxvit_rmlp_nano_rw_256.sw_in1k

timm

Clasificación de imagen

Un modelo de clasificación de imágenes de MaxxViT específico para timm (con un sesgo de posición relativo continuo de coordenadas logarítmicas motivado por Swin-V2). Entrenado en timm en ImageNet-1k por Ross Wightman. El entrenamiento de ImageNet-1k se realizó en TPUs gracias al apoyo del programa TRC.

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('maxxvit_rmlp_nano_rw_256.sw_in1k', pretrained=True)
model = model.eval()

# obtener transformaciones específicas del modelo (normalización, redimensionamiento)
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)) # desempacar una sola imagen en un lote de 1

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

Funcionalidades

Clasificación de imágenes
Extracción de mapa de características
Embeddings de imágenes
Comparación de modelos por Top-1
Comparación de modelos por rendimiento (muestras/seg)

Casos de uso

Clasificación de imágenes
Extracción de mapas de características en imágenes
Generación de embeddings de imágenes
Comparación de rendimiento entre diferentes arquitecturas de modelos