NFNet

Categoría: CNN · Código: timm/models/nfnet.py · Arquitecturas: 36 · Pesos preentrenados: 14 (14 con resultados en ImageNet-1k)

Redes Normalization-Free, entrenadas sin normalización por lotes mediante estandarización de pesos escalada: modelos NFNet (con recorte adaptativo de gradientes), NF-RegNet y NF-ResNet de pre-activación.

Papers

• Caracterización de la propagación de la señal para cerrar la brecha de rendimiento en ResNets no normalizadas
• Reconocimiento de imágenes a gran escala de alto rendimiento sin normalización

Uso

Consulte la Introducción rápida para cargar pesos preentrenados, preprocesar imágenes y realizar el ajuste fino, y Extracción de características para usar los modelos como columnas verticales.

>>> import timm
>>> model = timm.create_model('nf_resnet50.ra2_in1k', pretrained=True)
>>> data_config = timm.data.resolve_model_data_config(model)

Soporte de la API de modelos

✓ compatible, ✓ (cuadrado) funciona solo con tamaños cuadrados, ✗ no compatible, – no necesario (el modelo ya acepta cualquier tamaño de entrada). Verificado ejecutando cada función en un modelo inicializado aleatoriamente (NormFreeNet con nf_regnet_b0 en 192); se espera que otras arquitecturas de la misma clase se comporten de la misma manera. Consulte la página Model API para más detalles.

Arquitecturas

Los GMAC y el número de parámetros corresponden al tamaño de entrada y al clasificador predeterminados de cada arquitectura, según los resultados de las pruebas de rendimiento.

Pesos preentrenados

Top-1 es la precisión de validación en ImageNet-1k desde results-imagenet.csv en el tamaño de evaluación indicado, - si el peso no tiene un resultado de ImageNet-1k (p. ej. pesos de preentrenamiento o de imagen-texto). Classes es el tamaño del clasificador preentrenado, ninguno para pesos sin uno.

Los pesos se agrupan por origen: el artículo o procedencia indicado en la configuración preentrenada, en su defecto una organización del Hub distinta de timm, y si no, la primera parte de la etiqueta preentrenada (architecture.tag). Los orígenes con un solo peso se listan bajo other.

etiquetas de dm

etiquetas ra2

Otros