regnetx_008.tv2_in1k

timm

Clasificación de imagen

Un modelo de clasificación de imágenes RegNetX-800MF. Entrenado con ImageNet-1k por los contribuyentes de torchvision. La implementación de timm RegNet incluye una serie de mejoras que no están presentes en otras implementaciones, incluyendo profundidad estocástica, comprobación de gradientes, decaimiento de LR por capa, stride de salida configurable (dilación), capas de activación y normalización configurables, opción para un bloque de cuello de botella de pre-activación utilizado en la variante RegNetV y las únicas definiciones de modelos RegNetZ conocidas con pesos preentrenados.

Como usar

from urllib.request import urlopen
from PIL import Image
import timm

# Clasificación de Imágenes
img = Image.open(urlopen('https://huggingface.co/datasets/huggingface/documentation-images/resolve/main/beignets-task-guide.png'))

model = timm.create_model('regnetx_008.tv2_in1k', pretrained=True)
model = model.eval()

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

# Extracción del Mapa de Características
model = timm.create_model('regnetx_008.tv2_in1k', pretrained=True, features_only=True)
model = model.eval()

output = model(transforms(img).unsqueeze(0))
for o in output:
    print(o.shape)

# Embedding de Imágenes
model = timm.create_model('regnetx_008.tv2_in1k', pretrained=True, num_classes=0)
model = model.eval()

output = model(transforms(img).unsqueeze(0))

output = model.forward_features(transforms(img).unsqueeze(0))
output = model.forward_head(output, pre_logits=True)

Funcionalidades

Profundidad estocástica
Comprobación de gradientes
Decaimiento de LR por capa
Stride de salida configurable (dilación)
Capas de activación y normalización configurables
Opción para un bloque de cuello de botella de pre-activación
Definiciones de modelos RegNetZ con pesos preentrenados

Casos de uso

Clasificación de Imágenes
Extracción del Mapa de Características
Embeddings de Imágenes