xcit_nano_12_p8_384.fb_dist_in1k

timm
Clasificación de imagen

Modelo de clasificación de imágenes XCiT (Cross-Covariance Image Transformer). Preentrenado en ImageNet-1k con distilación por los autores del artículo. Este modelo se puede utilizar para la clasificación de imágenes y para la extracción de características de imágenes.

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('xcit_nano_12_p8_384.fb_dist_in1k', pretrained=True)
model = model.eval()

# obtain model specific transforms (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)) # unsqueeze una sola imagen en un lote de 1

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(
'xcit_nano_12_p8_384.fb_dist_in1k',
pretrained=True,
num_classes=0, # remover el clasificador nn.Linear
)
model = model.eval()

# obtain model specific transforms (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 output es un tensor de tamaño (batch_size, num_features)

# o de manera equivalente (sin necesidad de establecer num_classes=0)

output = model.forward_features(transforms(img).unsqueeze(0))
# el output no está agrupado, es un tensor de tamaño (1, 2305, 128)

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

Funcionalidades

Clasificación de imágenes
Entrenado en ImageNet-1k
Transformador de Imagen Cross-Covariance
Tamaño de imagen de 384 x 384
3.0M parámetros
6.3 GMACs (Giga multiplicaciones y acumulaciones)
46.1M activaciones

Casos de uso

Clasificación de imágenes
Embeddings de imágenes para características