regnetz_e8.ra3_in1k
Un modelo de clasificación de imágenes RegNetZ. Entrenado en ImageNet-1k por Ross Wightman en timm. Estos modelos RegNetZ B / C / D exploran diferentes configuraciones de tamaño de grupo y capas y no siguieron las descripciones de ningún artículo. Al igual que EfficientNets, esta arquitectura utiliza salidas de bloque lineales (sin activar) y un cuello invertido (expansión de bloque medio). La arquitectura de este modelo está implementada usando la red flexible BYOBNet (Bring-Your-Own-Blocks Network) de timm, que permite la configuración de la disposición de bloques/etapas, la disposición del stem, la stride de salida (dilatación), las capas de activación y normalización, las capas de atención espacial y de canal, e incluye características comunes a muchas otras arquitecturas de timm, como la profundidad estocástica, el checkpointing de gradiente, la disminución del LR por capas y la extracción de características por etapas.
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('regnetz_e8.ra3_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)) # agregar una dimensión para que sea un lote de 1
top5_probabilities, top5_class_indices = torch.topk(output.softmax(dim=1) * 100, k=5)
Extracción de Mapa 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('regnetz_e8.ra3_in1k', pretrained=True, features_only=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)) # agregar una dimensión para que sea un lote de 1
for o in output:
print(o.shape) # imprimir la forma de cada mapa de características en la salida
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('regnetz_e8.ra3_in1k', pretrained=True, num_classes=0) # quitar la capa clasificadora nn.Linear
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)) # la salida es un tensor con forma (batch_size, num_features)
O, de manera equivalente (sin necesidad de establecer num_classes=0)
output = model.forward_features(transforms(img).unsqueeze(0)) # la salida no está agrupada, es un tensor con forma (1, 2048, 8, 8)
output = model.forward_head(output, pre_logits=True) # la salida es un tensor con forma (1, num_features)
Funcionalidades
- Clasificación de imágenes
- Extracción de mapa de características
- Embeddings de imágenes
- Comparación de modelos
Casos de uso
- Clasificación de imágenes
- Extracción de características para otras tareas de visión por computadora
- Generación de embeddings de imágenes para tareas de similitud o recuperación