BYOANet (BoTNet، HaloNet، LambdaNet)

الفئة: هجينة · الكود: timm/models/byoanet.py · الهندسات: 15 · الأوزان المُسبقة التدريب: 13 (13 منها بنتائج على ImageNet-1k)

الشبكات المبنية باستخدام نظام إعدادات الكتل/المراحل ByobNet التي تضع طبقات الانتباه الذاتي (أو ما يشابهها) في مراحل بأسلوب ResNet: محولات عنق الزجاجة (BoTNet) وشبكات HaloNets وشبكات Lambda ResNets. يحدد سطر توثيق الوحدة هذه التعريفات بأنها تجريبية.

الأوراق البحثية

الاستخدام

راجع البدء السريع لتحميل الأوزان المُسبقة التدريب ومعالجة الصور مسبقًا وضبط الدقة، وراجع استخراج الميزات لاستخدام النماذج كعمود فقري.

>>> import timm
>>> model = timm.create_model('halonet50ts.a1h_in1k', pretrained=True)
>>> data_config = timm.data.resolve_model_data_config(model)

دعم واجهة برمجة التطبيقات للنماذج

ميزة	`ByobNet`
خرائط الميزات `features_only=True`	✓ (خطوات 2، 4، 8، 16، 32)
`forward_intermediates()`	✓
`prune_intermediate_layers()`	✓
أي حجم إدخال، دون الحاجة إلى أي تغييرات	✗
`set_input_size()`	✗
`dynamic_img_size=True`	✗
`set_grad_checkpointing()`	✓
تلاشي معدل التعلم على مستوى الطبقات (`group_matcher()`)	✓
`reset_classifier()`	✓

✓ مدعوم، ✓ (مربع) يعمل مع الأحجام المربعة فقط، ✗ غير مدعوم، – غير مطلوب (يقبل النموذج بالفعل أي حجم إدخال). تم التحقق من ذلك بتشغيل كل ميزة على نموذج مُهيأ عشوائياً (ByobNet مع halonet_h1 عند 256)، ومن المتوقع أن تتصرف البنى المعمارية الأخرى من نفس الفئة بنفس الطريقة. راجع صفحة Model API للتفاصيل.

البنى

البنية	المعاملات (مليون)	GMACs	حجم الإدخال	الأوزان المُسبقة التدريب
`botnet26t_256`	12.49	3.32	256	1
`botnet50ts_256`	22.74	5.54	256	0
`eca_botnext26ts_256`	10.59	2.46	256	1
`eca_halonext26ts`	10.76	2.44	256	1
`halo2botnet50ts_256`	22.64	5.02	256	1
`halonet26t`	12.48	3.19	256	1
`halonet50ts`	22.73	5.30	256	1
`halonet_h1`	8.10	3.00	256	0
`haloregnetz_b`	11.68	1.97	224	1
`lambda_resnet26rpt_256`	10.99	3.16	256	1
`lambda_resnet26t`	10.96	3.02	256	1
`lambda_resnet50ts`	21.54	5.07	256	1
`lamhalobotnet50ts_256`	22.57	5.02	256	1
`sebotnet33ts_256`	13.70	3.89	256	1
`sehalonet33ts`	13.69	3.55	256	1

تُحسب قيم GMACs وعدد المعلمات لحجم المدخلات الافتراضي والتصنيف الخاص بكل معمارية، وذلك بناءً على نتائج الاختبارات المرجعية.

الأوزان المُسبقة التدريب

Top-1 هو دقة التحقق على ImageNet-1k من results-imagenet.csv عند حجم التقييم المذكور، - إذا لم يكن للوزن نتيجة على ImageNet-1k (مثل أوزان ما قبل التدريب أو أوزان الصورة-النص). Classes هو حجم المصنِّف المُدرَّب مسبقًا، ولا يوجد شيء للأوزان التي لا تحتوي على مصنِّف.

تُجمَّع الأوزان حسب المصدر: الورقة البحثية أو الأصل المذكور في الإعداد المسبق، وإلا منظمة على Hub غير timm، وإلا الجزء الأول من وسم التدريب المسبق (architecture.tag). تُدرج المصادر التي تحتوي على وزن واحد تحت other.

a1h tags

الوزن	حجم الإدخال	أعلى 1 (%)	حجم التقييم	فئات	رخصة	المركز
`halo2botnet50ts_256.a1h_in1k`	256	82.084	256	1000	apache-2.0	timm
`halonet26t.a1h_in1k`	256	79.134	256	1000	apache-2.0	timm
`halonet50ts.a1h_in1k`	256	81.640	256	1000	apache-2.0	timm
`lambda_resnet50ts.a1h_in1k`	256	81.184	256	1000	apache-2.0	timm
`lamhalobotnet50ts_256.a1h_in1k`	256	81.552	256	1000	apache-2.0	timm
`sebotnet33ts_256.a1h_in1k`	256	81.156	256	1000	apache-2.0	timm

c1 الوسوم

الوزن	حجم الإدخال	أعلى 1 (%)	حجم التقييم	فئات	رخصة	المركز
`botnet26t_256.c1_in1k`	256	79.256	256	1000	apache-2.0	timm
`eca_botnext26ts_256.c1_in1k`	256	79.262	256	1000	apache-2.0	timm
`eca_halonext26ts.c1_in1k`	256	79.518	256	1000	apache-2.0	timm
`lambda_resnet26rpt_256.c1_in1k`	256	78.960	256	1000	apache-2.0	timm
`lambda_resnet26t.c1_in1k`	256	79.126	256	1000	apache-2.0	timm

أخرى

الوزن	حجم الإدخال	أعلى 1 (%)	حجم التقييم	فئات	رخصة	المركز
`haloregnetz_b.ra3_in1k`	224	81.058	224	1000	apache-2.0	timm
`sehalonet33ts.ra2_in1k`	256	80.976	256	1000	apache-2.0	timm

Update on GitHub