CaiT

카테고리: ViT · 코드: timm/models/cait.py · 아키텍처: 10 · 사전학습된 가중치: 10 (ImageNet-1k 결과 포함 10개)

이미지 Transformer의 Class-Attention(CaiT)은 LayerScale을 사용하는 깊은 Vision Transformer로, 패치 토큰으로부터 클래스 토큰만 업데이트하는 class-attention 레이어로 마무리됩니다.

논문

Image Transformers 심화

사용

사전 학습된 가중치 로드, 이미지 전처리 및 파인튜닝에 대해서는 Quickstart를, 모델을 백본으로 사용하는 방법에 대해서는 Feature Extraction을 참고하세요.

>>> import timm
>>> model = timm.create_model('cait_xs24_384.fb_dist_in1k', pretrained=True)
>>> data_config = timm.data.resolve_model_data_config(model)

모델 API 지원

기능	`Cait`
`features_only=True` feature map	✓ (strides 16, 16, 16)
`forward_intermediates()`	✓
`prune_intermediate_layers()`	✓
입력 크기 무관, 변경 불필요	✗
`set_input_size()`	✗
`dynamic_img_size=True`	✗
`set_grad_checkpointing()`	✓
레이어별 LR 감쇠(`group_matcher()`)	✓
`reset_classifier()`	✓

✓ 지원됨, ✓ (정사각형) 정사각형 크기만 작동, ✗ 미지원, – 필요 없음(모델이 이미 모든 입력 크기를 허용). 무작위로 초기화된 모델(cait_xxs24_224의 Cait, 224)에서 각 기능을 실행하여 확인했습니다. 같은 클래스의 다른 아키텍처도 동일한 동작을 하는 것으로 예상됩니다. 자세한 내용은 Model API 페이지를 참조하세요.

아키텍처

아키텍처	매개변수 (M)	GMAC	입력 크기	사전 학습된 가중치
`cait_m36_384`	271.22	173.11	384	1
`cait_m48_448`	356.46	329.41	448	1
`cait_s24_224`	46.92	9.35	224	1
`cait_s24_384`	47.06	32.17	384	1
`cait_s36_384`	68.37	47.99	384	1
`cait_xs24_384`	26.67	19.28	384	1
`cait_xxs24_224`	11.96	2.53	224	1
`cait_xxs24_384`	12.03	9.63	384	1
`cait_xxs36_224`	17.30	3.77	224	1
`cait_xxs36_384`	17.37	14.35	384	1

GMACs와 매개변수 수는 각 아키텍처의 기본 입력 크기 및 분류기에 대한 값이며, 벤치마크 결과에서 가져왔습니다.

사전 학습된 가중치

Top-1은 results-imagenet.csv에 나열된 평가 크기에서 측정된 ImageNet-1k 검증 정확도입니다. - 가중치에 ImageNet-1k 결과가 없는 경우(예: 사전 학습 또는 이미지-텍스트 가중치)에는 표시하지 않습니다. Classes는 사전 학습된 분류기의 크기를 나타내며, 분류기가 없는 가중치의 경우 none입니다.

가중치	입력 크기	Top-1(%)	평가 크기	클래스	라이선스	Hub
`cait_m36_384.fb_dist_in1k`	384	86.060	384	1000	apache-2.0	timm
`cait_m48_448.fb_dist_in1k`	448	86.480	448	1000	apache-2.0	timm
`cait_s24_224.fb_dist_in1k`	224	83.484	224	1000	apache-2.0	timm
`cait_s24_384.fb_dist_in1k`	384	85.048	384	1000	apache-2.0	timm
`cait_s36_384.fb_dist_in1k`	384	85.458	384	1000	apache-2.0	timm
`cait_xs24_384.fb_dist_in1k`	384	84.064	384	1000	apache-2.0	timm
`cait_xxs24_224.fb_dist_in1k`	224	78.400	224	1000	apache-2.0	timm
`cait_xxs24_384.fb_dist_in1k`	384	80.954	384	1000	apache-2.0	timm
`cait_xxs36_224.fb_dist_in1k`	224	79.750	224	1000	apache-2.0	timm
`cait_xxs36_384.fb_dist_in1k`	384	82.204	384	1000	apache-2.0	timm

Update on GitHub