seresnextaa101d_32x8d.sw_in12k_ft_in1k_288

timm

Clasificación de imagen

Un modelo de clasificación de imágenes SE-ResNeXt-D (Anti-Aliasing de Rectángulo-2) con atención de canal Squeeze-and-Excitation. Este modelo tiene activaciones ReLU, un tallo de 3 capas de convoluciones 3x3 con agrupamiento, agrupamiento promedio 2x2 con convolución de atajo 1x1, convoluciones embotelladas agrupadas 3x3 y atención de canal Squeeze-and-Excitation. Preentrenado en ImageNet-12k y afinado en ImageNet-1k por Ross Wightman en timm usando la plantilla de receta descrita a continuación. Detalles de la receta basada en la receta de preentrenamiento/entrenamiento de Swin Transformer con modificaciones (relacionadas tanto con las recetas de DeiT y ConvNeXt), usando el optimizador AdamW, recorte de gradiente, promediado de pesos EMA y una programación de tasa de aprendizaje (LR) 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('seresnextaa101d_32x8d.sw_in12k_ft_in1k_288', 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)) # colocar una sola imagen en 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(
'seresnextaa101d_32x8d.sw_in12k_ft_in1k_288',
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)) # colocar una sola imagen en un lote de 1

for o in output:
  print(o.shape)

Embeddings de imagen
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(
'seresnextaa101d_32x8d.sw_in12k_ft_in1k_288',
pretrained=True,
num_classes=0, # eliminar clasificador 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)) # el resultado es un tensor con forma (batch_size, num_features)

# o equivalentemente (sin necesidad de establecer num_classes=0)

output = model.forward_features(transforms(img).unsqueeze(0))
# el resultado no está agrupado, es un tensor con forma (1, 2048, 9, 9)

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

Funcionalidades

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

Casos de uso

Clasificación de imágenes
Extracción de mapas de características
Embeddings de imagen