DenseNet

الفئة: CNN · الكود: timm/models/densenet.py · الهندسات: 6 · الأوزان المُسبقة التدريب: 6 (6 منها بنتائج على ImageNet-1k)

شبكات التلافيف ذات الروابط الكثيفة، حيث تستقبل كل طبقة داخل كتلة كثيفة المخرجات المدمجة لجميع الطبقات السابقة لها في الكتلة. وقد تم تكييفها من torchvision، حيث يستخدم densenetblur عملية blur pool للعينة المنخفضة المضادة للتشويش.

الأوراق البحثية

• شبكات الالتفاف المتصلة بكثافة
• إعادة جعل الشبكات التلافيفية غير حساسة للإزاحة

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('densenet161.tv_in1k', pretrained=True)
>>> data_config = timm.data.resolve_model_data_config(model)

دعم واجهة برمجة التطبيقات للنماذج

✓ 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 مُهيّأ عشوائياً (DenseNet مع densenet121 عند 224)، ومن المتوقع أن تتصرف البنى المعمارية الأخرى من نفس الفئة بنفس الطريقة. راجع صفحة Model API للتفاصيل.

البنى

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.

وسوم tv

وسوم ra