# ResNetV2 (BiT)

**Категория:** CNN · **Код:** [`timm/models/resnetv2.py`](https://github.com/huggingface/pytorch-image-models/blob/main/timm/models/resnetv2.py) · **Архитектуры:** 20 · **Предобученные веса:** 24 (18 с результатами на ImageNet-1k)

Pre-activation ResNet (v2) с Group Normalization и Weight Standardization, как используется в Big Transfer (BiT), с исходными весами BiT. Также поддерживает вариант без pre-activation, используемый в качестве гибридного Vision Transformer backbone.

## Статьи

* [Big Transfer (BiT): обучение общим визуальным представлениям](https://arxiv.org/abs/1912.11370)
* [Изображение стоит 16x16 слов: трансформеры для распознавания изображений в масштабе](https://arxiv.org/abs/2010.11929)
* [Дистилляция знаний: хороший учитель терпелив и последователен](https://arxiv.org/abs/2106.05237)
* [Идентичные отображения в глубоких остаточных сетях](https://arxiv.org/abs/1603.05027)

## Использование

См. раздел [Быстрый старт](../quickstart) для загрузки предобученных весов, предобработки изображений и дообучения, а также раздел [Извлечение признаков](../feature_extraction) для использования моделей в качестве базовых архитектур.

```py
>>> import timm
>>> model = timm.create_model('resnetv2_50.a1h_in1k', pretrained=True)
>>> data_config = timm.data.resolve_model_data_config(model)
```

## Поддержка Model API

| Возможность | `ResNetV2` |
|---|---|
| [карты признаков `features_only=True`](../model_api#intermediate-features) | ✓ (шаги 2, 4, 8, 16, 32) |
| [`forward_intermediates()`](../model_api#intermediate-features) | ✓ |
| [`prune_intermediate_layers()`](../model_api#intermediate-features) | ✓ |
| [Любой размер входных данных, изменения не требуются](../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) | ✓ |
| [Послойное затухание LR (`group_matcher()`)](../model_api#training-hooks) | ✓ |
| [`reset_classifier()`](../model_api#classifier) | ✓ |

✓ поддерживается, ✓ (квадрат) работает только для квадратных размеров, ✗ не поддерживается, – не требуется (модель уже принимает входные данные любого размера). Проверено путём запуска каждой функции на случайно инициализированной модели (`ResNetV2` с `resnetv2_18` при размере 224); ожидается, что другие архитектуры того же класса будут вести себя аналогично. Подробности см. на странице [Model API](../model_api).

## Архитектуры

| Архитектура | Параметры (млн) | GMACs | Размер входных данных | Предобученные веса |
|---|---:|---:|---:|---:|
| `resnetv2_18` | 11.69 | 1.82 | 224 | 1 |
| `resnetv2_18d` | 11.71 | 2.06 | 224 | 1 |
| `resnetv2_34` | 21.80 | 3.67 | 224 | 1 |
| `resnetv2_34d` | 21.82 | 3.91 | 224 | 2 |
| `resnetv2_50` | 25.55 | 4.11 | 224 | 1 |
| `resnetv2_50d` | 25.57 | 4.35 | 224 | 0 |
| `resnetv2_50d_evos` | 25.59 | 4.33 | 224 | 1 |
| `resnetv2_50d_frn` | 25.59 | 4.33 | 224 | 0 |
| `resnetv2_50d_gn` | 25.57 | 4.38 | 224 | 1 |
| `resnetv2_50t` | 25.57 | 4.32 | 224 | 0 |
| `resnetv2_50x1_bit` | 25.55 | 4.23 | 224 | 3 |
| `resnetv2_50x3_bit` | 217.32 | 145.70 | 448 | 2 |
| `resnetv2_101` | 44.54 | 7.83 | 224 | 1 |
| `resnetv2_101d` | 44.56 | 8.07 | 224 | 0 |
| `resnetv2_101x1_bit` | 44.54 | 31.65 | 448 | 2 |
| `resnetv2_101x3_bit` | 387.93 | 280.33 | 448 | 2 |
| `resnetv2_152` | 60.19 | 11.55 | 224 | 0 |
| `resnetv2_152d` | 60.20 | 11.80 | 224 | 0 |
| `resnetv2_152x2_bit` | 236.34 | 46.95 | 224 | 4 |
| `resnetv2_152x4_bit` | 936.53 | 844.84 | 480 | 2 |

GMACs и количество параметров указаны для размера входных данных и классификатора по умолчанию для каждой архитектуры, согласно [результатам бенчмарков](https://github.com/huggingface/pytorch-image-models/tree/main/results).

## Предобученные веса

Top-1 — это точность на валидационном наборе ImageNet-1k из [`results-imagenet.csv`](https://github.com/huggingface/pytorch-image-models/blob/main/results/results-imagenet.csv) для указанного размера оценки, - если у весов нет результата ImageNet-1k (например, веса для предобучения или изображения-текст). Classes — размер предобученного классификатора, none для весов без классификатора.

Веса группируются по источнику: статья или происхождение, указанные в конфигурации предобученной модели, иначе организация на Hugging Face, отличная от `timm`, иначе первая часть тега предобученной модели (`architecture.tag`). Источники с одним весом перечисляются в разделе «Прочее».

### теги `goog`

| Вес | Размер входных данных | Top-1 (%) | Размер выборки для оценки | Классы | Лицензия | Hub |
|---|---:|---:|---:|---:|---|---|
| `resnetv2_50x1_bit.goog_distilled_in1k` | 224 | 82.820 | 224 | 1000 | apache-2.0 | [timm](https://huggingface.co/timm/resnetv2_50x1_bit.goog_distilled_in1k) |
| `resnetv2_50x1_bit.goog_in21k` | 224 | - | - | 21843 | apache-2.0 | [timm](https://huggingface.co/timm/resnetv2_50x1_bit.goog_in21k) |
| `resnetv2_50x1_bit.goog_in21k_ft_in1k` | 448 | 80.386 | 448 | 1000 | apache-2.0 | [timm](https://huggingface.co/timm/resnetv2_50x1_bit.goog_in21k_ft_in1k) |
| `resnetv2_50x3_bit.goog_in21k` | 224 | - | - | 21843 | apache-2.0 | [timm](https://huggingface.co/timm/resnetv2_50x3_bit.goog_in21k) |
| `resnetv2_50x3_bit.goog_in21k_ft_in1k` | 448 | 83.982 | 448 | 1000 | apache-2.0 | [timm](https://huggingface.co/timm/resnetv2_50x3_bit.goog_in21k_ft_in1k) |
| `resnetv2_101x1_bit.goog_in21k` | 224 | - | - | 21843 | apache-2.0 | [timm](https://huggingface.co/timm/resnetv2_101x1_bit.goog_in21k) |
| `resnetv2_101x1_bit.goog_in21k_ft_in1k` | 448 | 82.332 | 448 | 1000 | apache-2.0 | [timm](https://huggingface.co/timm/resnetv2_101x1_bit.goog_in21k_ft_in1k) |
| `resnetv2_101x3_bit.goog_in21k` | 224 | - | - | 21843 | apache-2.0 | [timm](https://huggingface.co/timm/resnetv2_101x3_bit.goog_in21k) |
| `resnetv2_101x3_bit.goog_in21k_ft_in1k` | 448 | 84.430 | 448 | 1000 | apache-2.0 | [timm](https://huggingface.co/timm/resnetv2_101x3_bit.goog_in21k_ft_in1k) |
| `resnetv2_152x2_bit.goog_in21k` | 224 | - | - | 21843 | apache-2.0 | [timm](https://huggingface.co/timm/resnetv2_152x2_bit.goog_in21k) |
| `resnetv2_152x2_bit.goog_in21k_ft_in1k` | 448 | 84.468 | 448 | 1000 | apache-2.0 | [timm](https://huggingface.co/timm/resnetv2_152x2_bit.goog_in21k_ft_in1k) |
| `resnetv2_152x2_bit.goog_teacher_in21k_ft_in1k` | 224 | 82.918 | 224 | 1000 | apache-2.0 | [timm](https://huggingface.co/timm/resnetv2_152x2_bit.goog_teacher_in21k_ft_in1k) |
| `resnetv2_152x2_bit.goog_teacher_in21k_ft_in1k_384` | 384 | 83.858 | 384 | 1000 | apache-2.0 | [timm](https://huggingface.co/timm/resnetv2_152x2_bit.goog_teacher_in21k_ft_in1k_384) |
| `resnetv2_152x4_bit.goog_in21k` | 224 | - | - | 21843 | apache-2.0 | [timm](https://huggingface.co/timm/resnetv2_152x4_bit.goog_in21k) |
| `resnetv2_152x4_bit.goog_in21k_ft_in1k` | 480 | 84.936 | 480 | 1000 | apache-2.0 | [timm](https://huggingface.co/timm/resnetv2_152x4_bit.goog_in21k_ft_in1k) |

### `ra4` теги

| Вес | Размер входных данных | Top-1 (%) | Размер выборки для оценки | Классы | Лицензия | Hub |
|---|---:|---:|---:|---:|---|---|
| `resnetv2_18.ra4_e3600_r224_in1k` | 224 (тест 288) | 75.364 | 288 | 1000 | apache-2.0 | [timm](https://huggingface.co/timm/resnetv2_18.ra4_e3600_r224_in1k) |
| `resnetv2_18d.ra4_e3600_r224_in1k` | 224 (тест 288) | 76.058 | 288 | 1000 | apache-2.0 | [timm](https://huggingface.co/timm/resnetv2_18d.ra4_e3600_r224_in1k) |
| `resnetv2_34.ra4_e3600_r224_in1k` | 224 (тест 288) | 79.070 | 288 | 1000 | apache-2.0 | [timm](https://huggingface.co/timm/resnetv2_34.ra4_e3600_r224_in1k) |
| `resnetv2_34d.ra4_e3600_r224_in1k` | 224 (тест 288) | 79.614 | 288 | 1000 | apache-2.0 | [timm](https://huggingface.co/timm/resnetv2_34d.ra4_e3600_r224_in1k) |
| `resnetv2_34d.ra4_e3600_r384_in1k` | 384 (тест 448) | 80.430 | 448 | 1000 | apache-2.0 | [timm](https://huggingface.co/timm/resnetv2_34d.ra4_e3600_r384_in1k) |

### теги `a1h`

| Вес | Размер входных данных | Top-1 (%) | Размер выборки для оценки | Классы | Лицензия | Hub |
|---|---:|---:|---:|---:|---|---|
| `resnetv2_50.a1h_in1k` | 224 (тест 288) | 81.406 | 288 | 1000 | apache-2.0 | [timm](https://huggingface.co/timm/resnetv2_50.a1h_in1k) |
| `resnetv2_101.a1h_in1k` | 224 (тест 288) | 83.002 | 288 | 1000 | apache-2.0 | [timm](https://huggingface.co/timm/resnetv2_101.a1h_in1k) |

### `ah` теги

| Вес | Размер входных данных | Top-1 (%) | Размер выборки для оценки | Классы | Лицензия | Hub |
|---|---:|---:|---:|---:|---|---|
| `resnetv2_50d_evos.ah_in1k` | 224 (тест 288) | 82.024 | 288 | 1000 | apache-2.0 | [timm](https://huggingface.co/timm/resnetv2_50d_evos.ah_in1k) |
| `resnetv2_50d_gn.ah_in1k` | 224 (тест 288) | 81.960 | 288 | 1000 | apache-2.0 | [timm](https://huggingface.co/timm/resnetv2_50d_gn.ah_in1k) |