timm/resnet101.a1_in1k
timm
Clasificación de imagen
Un modelo de clasificación de imágenes ResNet-B. Este modelo presenta activaciones ReLU, una única capa de convolución 7x7 con agrupamiento, y un atajo de convolución 1x1 para muestreo descendente. Entrenado en ImageNet-1k en timm utilizando una plantilla de receta descrita a continuación. Detalles de la receta: Receta A1 'ResNet Strikes Back', optimizador LAMB con pérdida BCE, programación LR de coseno con calentamiento.
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('resnet101.a1_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)
\n### Extracción de Mapa de Características
```python
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('resnet101.a1_in1k', pretrained=True, features_only=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))
for o in output: print(o.shape)
\n### Integración de Imágenes
```python
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('resnet101.a1_in1k', pretrained=True, num_classes=0) 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))
output = model.forward_features(transforms(img).unsqueeze(0))
output = model.forward_head(output, pre_logits=True)
Funcionalidades
- Activaciones ReLU
- Convolución de una capa 7x7 con agrupamiento
- Atajo de convolución 1x1 para muestreo descendente
- Entrenado en ImageNet-1k usando la receta A1 'ResNet Strikes Back'
Casos de uso
- Clasificación de imágenes
- Extracción de mapas de características
- Embeddings de imágenes