regnetv_040.ra3_in1k

timm
Clasificación de imagen

Un modelo de clasificación de imágenes RegNetV-4GF. Entrenado en ImageNet-1k por Ross Wightman en timm. La implementación de timm RegNet incluye una serie de mejoras que no están presentes en otras implementaciones, incluyendo: profundidad estocástica, punto de control de gradiente, decaimiento LR capa por capa, paso de salida configurable (dilación), capas de activación y norma configurables, opción para un bloque de cuello de botella de preactivación utilizado en la variante RegNetV, únicas definiciones de modelos RegNetZ conocidas con pesos preentrenados.

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('regnetv_040.ra3_in1k', pretrained=True)
model = model.eval()

# get model specific transforms (normalization, resize)
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)) # unsqueeze single image into batch of 1

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

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(
'regnetv_040.ra3_in1k',
pretrained=True,
features_only=True,
)
model = model.eval()

# get model specific transforms (normalization, resize)
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)) # unsqueeze single image into batch of 1

for o in output:
# print shape of each feature map in output
# e.g.:
#  torch.Size([1, 32, 112, 112])
#  torch.Size([1, 128, 56, 56])
#  torch.Size([1, 192, 28, 28])
#  torch.Size([1, 512, 14, 14])
#  torch.Size([1, 1088, 7, 7])

print(o.shape)

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(
'regnetv_040.ra3_in1k',
pretrained=True,
num_classes=0, # remove classifier nn.Linear
)
model = model.eval()

# get model specific transforms (normalization, resize)
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)) # output is (batch_size, num_features) shaped tensor

# or equivalently (without needing to set num_classes=0)

output = model.forward_features(transforms(img).unsqueeze(0))
# output is unpooled, a (1, 1088, 7, 7) shaped tensor

output = model.forward_head(output, pre_logits=True)
# output is a (1, num_features) shaped tensor

Funcionalidades

profundidad estocástica
punto de control de gradiente
decaimiento LR capa por capa
paso de salida configurable (dilación)
capas de activación y norma configurables
opción para un bloque de cuello de botella de preactivación utilizado en la variante RegNetV
únicas definiciones de modelos RegNetZ conocidas con pesos preentrenados

Casos de uso

Clasificación de imágenes
Extracción de Mapas de Características
Embeddings de Imágenes