RepVGG_A0

timm

Clasificación de imagen

Un modelo de clasificación de imágenes RepVGG. Entrenado en ImageNet-1k por los autores del artículo. Esta arquitectura de modelo está implementada utilizando la flexibilidad de timm's BYOBNet (Red de Bloques Personalizables). BYOBNet permite la configuración de: diseño de bloques/etapas, diseño de stem, salida estriada (dilatación), capas de activación y normalización, capas de canal y atención espacial/propia. Además, incluye características comunes a muchas otras arquitecturas de timm, incluyendo profundidad estocástica, almacenamiento de gradiente, decaimiento de LR por capa, y extracción de características por etapa.

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('repvgg_a0', 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)) # redimensionar la imagen individual en un lote de 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('repvgg_a0', 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)) # redimensionar la imagen individual en un lote de 1

for o in output:
    # imprimir la forma de cada mapa de características en la salida
    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('repvgg_a0', pretrained=True, num_classes=0) # eliminar clasificador 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 de forma (batch_size, num_features) equivalently (without needing to set num_classes=0)

output = model.forward_features(transforms(img).unsqueeze(0)) # la salida no está agrupada, es un tensor de forma (1, 1280, 7, 7)

output = model.forward_head(output, pre_logits=True) # la salida es un tensor de forma (1, num_features)```

Funcionalidades

Clasificación de imágenes / columna vertebral de características
9.1 millones de parámetros
1.5 GMACs
3.6 millones de activaciones
Tamaño de imagen: 224 x 224

Casos de uso

Clasificación de imágenes
Extracción de mapas de características
Cálculo de embeddings de imágenes