NesT

카테고리: ViT · 코드: timm/models/nest.py · 아키텍처: 6 · 사전학습된 가중치: 3 (ImageNet-1k 결과가 포함된 3개)

Nested Transformers(NesT)는 겹치지 않는 이미지 블록 내에서 로컬로 self-attention을 적용하고, 단계 간에 인접한 블록을 집계합니다. 공식 JAX 릴리스에서 변환된 가중치입니다.

논문

중첩 계층형 Transformer: 정확하고 데이터 효율적이며 해석 가능한 시각 이해를 향하여

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('nest_tiny_jx.goog_in1k', pretrained=True)
>>> data_config = timm.data.resolve_model_data_config(model)

모델 API 지원

기능	`Nest`
`features_only=True` feature map	✓ (strides 4, 8, 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 허용함). 무작위로 초기화된 모델(Nest의 nest_tiny, 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
`nest_base`	67.72	17.96	224	0
`nest_base_jx`	67.72	17.96	224	1
`nest_small`	38.35	10.35	224	0
`nest_small_jx`	38.35	10.35	224	1
`nest_tiny`	17.06	5.83	224	0
`nest_tiny_jx`	17.06	5.83	224	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
`nest_base_jx.goog_in1k`	224	83.552	224	1000	apache-2.0	timm
`nest_small_jx.goog_in1k`	224	83.132	224	1000	apache-2.0	timm
`nest_tiny_jx.goog_in1k`	224	81.428	224	1000	apache-2.0	timm

Update on GitHub