timm/vit_base_patch16_rope_reg1_gap_256.sbb_in1k

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('vit_base_patch16_rope_reg1_gap_256.sbb_in1k', pretrained=True)
model = model.eval()

# obtener las 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))  # usar unsqueeze para convertir la imagen única en un lote de 1

top5_probabilities, top5_class_indices = torch.topk(output.softmax(dim=1) * 100, k=5)

# Extracción de mapas de características
model = timm.create_model('vit_base_patch16_rope_reg1_gap_256.sbb_in1k', pretrained=True, features_only=True)
model = model.eval()

output = model(transforms(img).unsqueeze(0))  # usar unsqueeze para convertir la imagen única en un lote de 1

for o in output:
    print(o.shape)

# Generación de incrustaciones de imágenes
model = timm.create_model('vit_base_patch16_rope_reg1_gap_256.sbb_in1k', pretrained=True, num_classes=0)  # eliminar la capa del clasificador
model = model.eval()

output = model(transforms(img).unsqueeze(0))  # la salida es un tensor con forma (batch_size, num_features)