BYOANet (BoTNet, HaloNet, LambdaNet)

Catégorie : Hybride · Code : timm/models/byoanet.py · Architectures : 15 · Poids pré-entraînés : 13 (13 avec des résultats ImageNet-1k)

Les réseaux construits avec le système de configuration de blocs / étages ByobNet qui placent des couches d'auto-attention (ou similaires) dans des étages de type ResNet : Bottleneck Transformers (BoTNet), HaloNets et Lambda ResNets. La docstring du module marque ces définitions comme expérimentales.

Articles

• Transformers à goulot d'étranglement pour la reconnaissance visuelle
• LambdaNetworks : modélisation des interactions à longue portée sans attention
• Échelle de l'auto-attention locale pour des squelettes visuels efficaces en paramètres

Utilisation

Consultez le Démarrage rapide pour le chargement des poids pré-entraînés, le prétraitement des images et l’ajustement fin, ainsi que Extraction de caractéristiques pour utiliser les modèles comme squelettes.

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

Prise en charge de l'API des modèles

✓ pris en charge, ✓ (carré) fonctionne uniquement pour les tailles carrées, ✗ non pris en charge, – non nécessaire (le modèle accepte déjà n'importe quelle taille d'entrée). Vérifié en exécutant chaque fonctionnalité sur un modèle initialisé aléatoirement (ByobNet avec halonet_h1 à 256), les autres architectures de la même classe sont censées se comporter de la même manière. Consultez la page API du modèle pour plus de détails.

Architectures

Les GMACs et le nombre de paramètres correspondent à la taille d’entrée par défaut et au classifieur de chaque architecture, d’après les résultats des benchmarks.

Poids pré-entraînés

Top-1 est la précision de validation sur ImageNet-1k issue de results-imagenet.csv à la taille d'évaluation indiquée, - si le poids n'a pas de résultat ImageNet-1k (par exemple, poids de pré-entraînement ou poids image-texte). Classes est la taille du classifieur pré-entraîné, aucune pour les poids sans classifieur.

Les poids sont regroupés par source : le papier ou l’origine indiqué dans la configuration pré-entraînée, à défaut une organisation du Hub autre que timm, à défaut la première partie de l’étiquette pré-entraînée (architecture.tag). Les sources ne comportant qu’un seul poids sont listées sous other.

balises a1h

c1 tags

Autres