tresnet_m.miil_in21k

timm

Clasificación de imagen

Un modelo de clasificación de imágenes TResNet. Entrenado en ImageNet-21K-P ('ImageNet-21K Pretraining for the Masses', un subconjunto de 11k de ImageNet-22k) por los autores del paper. Los pesos de este modelo han sido remapeados y modificados desde los originales para trabajar con BatchNorm estándar en lugar de InplaceABN. inplace_abn puede ser problemático de construir recientemente y termina siendo más lento con memory_format=channels_last, torch.compile(), etc.

Como usar

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('tresnet_m.miil_in21k', 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)) # descomprimir imagen única en lote de 1n
top5_probabilities, top5_class_indices = torch.topk(output.softmax(dim=1) * 100, k=5)


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(
'tresnet_m.miil_in21k',
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)) # descomprimir imagen única en lote de 1n

for o in output:
# imprimir forma de cada mapa de características en la salida
# por ejemplo:
#  torch.Size([1, 64, 56, 56])
#  torch.Size([1, 128, 28, 28])
#  torch.Size([1, 1024, 14, 14])
#  torch.Size([1, 2048, 7, 7])

print(o.shape)

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(
'tresnet_m.miil_in21k',
pretrained=True,
num_classes=0, # eliminar la 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)) # salida es un tensor de forma (batch_size, num_features)

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

output = model.forward_features(transforms(img).unsqueeze(0))
# salida sin agrupar, un tensor en forma de (1, 2048, 7, 7)

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

Funcionalidades

Tipo de Modelo: Clasificación de imágenes / feature backbone
Parámetros (M): 52.3
GMACs: 5.8
Activaciones (M): 7.3
Tamaño de imagen: 224 x 224

Casos de uso

Clasificación de imágenes
Extracción de mapas de características
Embeddings de imágenes