seresnext101d_32x8d.ah_in1k

timm

Clasificación de imagen

Un modelo de clasificación de imágenes SE-ResNeXt-D con atención de canal Squeeze-and-Excitation. Este modelo presenta: - Activaciones ReLU - Tallo de 3 capas de convoluciones de 3x3 con agrupamiento - Muestreo descendente corto con promedio de 2x2 + convolución de 1x1 - Convoluciones embotelladas de 3x3 agrupadas - Atención de canal Squeeze-and-Excitation Entrenado en ImageNet-1k con timm utilizando la plantilla de receta descrita a continuación.

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('seresnext101d_32x8d.ah_in1k', pretrained=True)
model = model.eval()

# obtener transformaciones específicas del modelo (normalización, cambio de tamaño)
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)) # unir una única imagen en un lote de 1

# Extrae y muestra las probabilidades y clases del top 5
from torch import softmax, topk
output = softmax(output, dim=1)
top5_probabilities, top5_class_indices = topk(output * 100, k=5)

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

model = timm.create_model('seresnext101d_32x8d.ah_in1k', pretrained=True, features_only=True)
model = model.eval()

# obtener transformaciones específicas del modelo (normalización, cambio de tamaño)
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)) # unir una única imagen en un lote de 1

for o in output:
    print(o.shape)

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

model = timm.create_model('seresnext101d_32x8d.ah_in1k', pretrained=True, num_classes=0) # eliminar la capa clasificadora nn.Linear
model = model.eval()

# obtener transformaciones específicas del modelo (normalización, cambio de tamaño)
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)

# 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 de forma (1, 2048, 7, 7)
output = model.forward_head(output, pre_logits=True) # la salida es un tensor de forma (1, num_features)

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

Funcionalidades

Activaciones ReLU
Tallo de 3 capas de convoluciones de 3x3 con agrupamiento
Muestreo descendente corto con promedio de 2x2 + convolución de 1x1
Convoluciones embotelladas de 3x3 agrupadas
Atención de canal Squeeze-and-Excitation

Casos de uso

Clasificación de imágenes
Extracción del mapa de características
Embeddings de imágenes