# SwiftFormer

**Categoría:** Eficiente/Móvil · **Código:** [`timm/models/swiftformer.py`](https://github.com/huggingface/pytorch-image-models/blob/main/timm/models/swiftformer.py) · **Arquitecturas:** 4 · **Pesos preentrenados:** 4 (4 con resultados en ImageNet-1k)

SwiftFormer reemplaza las multiplicaciones de matrices cuadráticas de la autoatención con una atención aditiva eficiente, para aplicaciones de visión en tiempo real en dispositivos móviles.

## Papers

* [SwiftFormer: atención aditiva eficiente para aplicaciones de visión en tiempo real en móviles basadas en Transformers](https://arxiv.org/abs/2303.15446)

## Uso

Consulte la [Introducción rápida](../quickstart) para cargar pesos preentrenados, preprocesar imágenes y realizar el ajuste fino, y [Extracción de características](../feature_extraction) para usar los modelos como columnas verticales.

```py
>>> import timm
>>> model = timm.create_model('swiftformer_l3.dist_in1k', pretrained=True)
>>> data_config = timm.data.resolve_model_data_config(model)
```

## Soporte de la API de modelos

| Característica | `SwiftFormer` |
|---|---|
| [mapas de características de `features_only=True`](../model_api#intermediate-features) | ✓ (pasos 4, 8, 16, 32) |
| [`forward_intermediates()`](../model_api#intermediate-features) | ✓ |
| [`prune_intermediate_layers()`](../model_api#intermediate-features) | ✓ |
| [Cualquier tamaño de entrada, no se necesitan cambios](../model_api#input-size) | ✓ |
| [`set_input_size()`](../model_api#input-size) | – |
| [`dynamic_img_size=True`](../model_api#input-size) | – |
| [`set_grad_checkpointing()`](../model_api#training-hooks) | ✓ |
| [Decaimiento del LR por capa (`group_matcher()`)](../model_api#training-hooks) | ✓ |
| [`reset_classifier()`](../model_api#classifier) | ✓ |

✓ 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 (`SwiftFormer` con `swiftformer_xs` en 224); se espera que otras arquitecturas de la misma clase se comporten de la misma manera. Consulte la página [Model API](../model_api) para más detalles.

## Arquitecturas

| Arquitectura | Parámetros (M) | GMACs | Tamaño de entrada | Pesos preentrenados |
|---|---:|---:|---:|---:|
| `swiftformer_l1` | 12.06 | 1.60 | 224 | 1 |
| `swiftformer_l3` | 28.49 | 4.01 | 224 | 1 |
| `swiftformer_s` | 6.09 | 0.99 | 224 | 1 |
| `swiftformer_xs` | 3.48 | 0.61 | 224 | 1 |

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](https://github.com/huggingface/pytorch-image-models/tree/main/results).

## Pesos preentrenados

Top-1 es la precisión de validación en ImageNet-1k desde [`results-imagenet.csv`](https://github.com/huggingface/pytorch-image-models/blob/main/results/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.

| Peso | Tamaño de entrada | Top-1 (%) | Tamaño de evaluación | Clases | Licencia | Hub |
|---|---:|---:|---:|---:|---|---|
| `swiftformer_l1.dist_in1k` | 224 | 80.906 | 224 | 1000 | apache-2.0 | [timm](https://huggingface.co/timm/swiftformer_l1.dist_in1k) |
| `swiftformer_l3.dist_in1k` | 224 | 82.994 | 224 | 1000 | apache-2.0 | [timm](https://huggingface.co/timm/swiftformer_l3.dist_in1k) |
| `swiftformer_s.dist_in1k` | 224 | 78.462 | 224 | 1000 | apache-2.0 | [timm](https://huggingface.co/timm/swiftformer_s.dist_in1k) |
| `swiftformer_xs.dist_in1k` | 224 | 75.600 | 224 | 1000 | apache-2.0 | [timm](https://huggingface.co/timm/swiftformer_xs.dist_in1k) |

## Cita

```bibtex
@InProceedings{Shaker_2023_ICCV,
    author    = {Shaker, Abdelrahman and Maaz, Muhammad and Rasheed, Hanoona and Khan, Salman and Yang, Ming-Hsuan and Khan, Fahad Shahbaz},
    title     = {SwiftFormer: Efficient Additive Attention for Transformer-based Real-time Mobile Vision Applications},
    booktitle = {Proceedings of the IEEE/CVF International Conference on Computer Vision (ICCV)},
    year      = {2023},
}
```