repvgg_a2.rvgg_in1k

timm

Clasificación de imagen

Un modelo de clasificación de imágenes RepVGG entrenado en ImageNet-1k por los autores del artículo. Esta arquitectura de modelo se implementa utilizando la red flexible BYOBNet (Bring-Your-Own-Blocks Network) de timm, que permite la configuración de: disposición de bloques/etapas, disposición del tallo, stride de salida (dilatación), capas de activación y normalización, y capas de canales y atención espacial/automática. También incluye características de timm comunes a muchas otras arquitecturas, incluyendo: profundidad estocástica, checkpointing de gradientes, decaimiento de la tasa de aprendizaje 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_a2.rvgg_in1k', pretrained=True)
model = model.eval()

# obtener transformaciones específicas del modelo (normalización, redimensionar)
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))  # añadir una dimensión para formar 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_a2.rvgg_in1k', pretrained=True, features_only=True)
model = model.eval()

# obtener transformaciones específicas del modelo (normalización, redimensionar)
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))  # añadir una dimensión para formar un lote de 1

for o in output:
    print(o.shape)  # imprimir la forma de cada mapa de características

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_a2.rvgg_in1k', pretrained=True, num_classes=0)  # eliminar el clasificador nn.Linear
model = model.eval()

# obtener transformaciones específicas del modelo (normalización, redimensionar)
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 equivalentemente (sin necesidad de configurar num_classes=0)

output = model.forward_features(transforms(img).unsqueeze(0))
# la salida no está agrupada, es un tensor con forma (1, 1408, 7, 7)

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

Funcionalidades

clasificación de imágenes
extracción de mapas de características
embeddings de imágenes
profundidad estocástica
checkpointing de gradientes
decaimiento de la tasa de aprendizaje por capa
extracción de características por etapa

Casos de uso

Clasificación de imágenes
Extracción de características de imágenes
Generación de embeddings de imágenes