timm/vit_large_patch32_384.orig_in21k_ft_in1k
timm
Clasificación de imagen
Un modelo Vision Transformer (ViT) para la clasificación de imágenes. Entrenado en ImageNet-21k y afinado en ImageNet-1k en JAX por los autores del artículo, y llevado a PyTorch por Ross Wightman.
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('vit_large_patch32_384.orig_in21k_ft_in1k', pretrained=True)
model = model.eval()
# get model specific transforms (normalization, resize)
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)) # unsqueeze single image into batch of 1
top5_probabilities, top5_class_indices = torch.topk(output.softmax(dim=1) * 100, k=5)
Embeddings 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(
'vit_large_patch32_384.orig_in21k_ft_in1k',
pretrained=True,
num_classes=0, # remove classifier nn.Linear
)
model = model.eval()
# get model specific transforms (normalization, resize)
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 is (batch_size, num_features) shaped tensor
# or equivalently (without needing to set num_classes=0)
output = model.forward_features(transforms(img).unsqueeze(0))
# output is unpooled, a (1, 145, 1024) shaped tensor
output = model.forward_head(output, pre_logits=True)
# output is a (1, num_features) shaped tensor
Funcionalidades
- Modelo avanzado de clasificación de imágenes
- Trained on ImageNet-21k
- Fine-tuned en ImageNet-1k
- 306.6M parámetros
- 44.3 GMACs
- 32.2M activaciones
- Tamaño de imagen: 384 x 384
Casos de uso
- Clasificación de imágenes
- Generación de embeddings de imágenes para tareas de aprendizaje profundo