timm

You are viewing main version, which requires installation from source. If you'd like regular pip install, checkout the latest stable version (v1.0.30).

Join the Hugging Face community

and get access to the augmented documentation experience

Collaborate on models, datasets and Spaces

Faster examples with accelerated inference

Switch between documentation themes

to get started

SENet (قديم)

الفئة: CNN · الكود: timm/models/senet.py · الهندسات: 9 · الأوزان المُسبقة التدريب: 9 (9 منها بنتائج على ImageNet-1k)

نماذج Cadene المُسبقة التدريب لـ SENet وSE-ResNet وSE-ResNeXt (legacy_*). تم إيقاف استخدام الوحدة لصالح نسخ SE من فئة ResNet.

الأوراق البحثية

شبكات الضغط والاستثارة

الاستخدام

راجع البدء السريع لتحميل الأوزان المُسبقة التدريب ومعالجة الصور مسبقًا وضبط الدقة، وراجع استخراج الميزات لاستخدام النماذج كعمود فقري.

>>> import timm
>>> model = timm.create_model('legacy_seresnext50_32x4d.in1k', pretrained=True)
>>> data_config = timm.data.resolve_model_data_config(model)

دعم واجهة برمجة التطبيقات للنماذج

ميزة	`SENet`
خرائط الميزات `features_only=True`	✓ (خطوات 2، 4، 8، 16، 32)
`forward_intermediates()`	✓
`prune_intermediate_layers()`	✓
أي حجم إدخال، دون الحاجة إلى أي تغييرات	✓
`set_input_size()`	–
`dynamic_img_size=True`	–
`set_grad_checkpointing()`	✗
تلاشي معدل التعلم على مستوى الطبقات (`group_matcher()`)	✓
`reset_classifier()`	✓

✓ مدعوم، ✓ (مربع) يعمل مع الأحجام المربعة فقط، ✗ غير مدعوم، – غير مطلوب (يقبل النموذج بالفعل أي حجم إدخال). تم التحقق من ذلك بتشغيل كل ميزة على نموذج مُهيأ عشوائيًا (SENet مع legacy_seresnet18 عند 224)، ومن المتوقع أن تتصرف البنى المعمارية الأخرى من نفس الفئة بنفس الطريقة. راجع صفحة Model API للتفاصيل.

البنى

البنية	المعاملات (مليون)	GMACs	حجم الإدخال	الأوزان المُسبقة التدريب
`legacy_senet154`	115.09	20.77	224	1
`legacy_seresnet18`	11.78	1.82	224	1
`legacy_seresnet34`	21.96	3.67	224	1
`legacy_seresnet50`	28.09	3.88	224	1
`legacy_seresnet101`	49.33	7.61	224	1
`legacy_seresnet152`	66.82	11.33	224	1
`legacy_seresnext26_32x4d`	16.79	2.49	224	1
`legacy_seresnext50_32x4d`	27.56	4.26	224	1
`legacy_seresnext101_32x4d`	48.96	8.02	224	1

تُحسب قيم GMACs وعدد المعلمات لحجم المدخلات الافتراضي والتصنيف الخاص بكل معمارية، وذلك بناءً على نتائج الاختبارات المرجعية.

الأوزان المُسبقة التدريب

Top-1 هو دقة التحقق على ImageNet-1k من results-imagenet.csv عند حجم التقييم المذكور، - إذا لم يكن للوزن نتيجة على ImageNet-1k (مثل أوزان ما قبل التدريب أو أوزان الصورة-النص). Classes هو حجم المصنِّف المُدرَّب مسبقًا، ولا يوجد شيء للأوزان التي لا تحتوي على مصنِّف.

الوزن	حجم الإدخال	أعلى 1 (%)	حجم التقييم	فئات	رخصة	المركز
`legacy_senet154.in1k`	224	81.320	224	1000	apache-2.0	الأصلي
`legacy_seresnet18.in1k`	224	71.742	224	1000	apache-2.0	الأصلي
`legacy_seresnet34.in1k`	224	74.788	224	1000	apache-2.0	الأصلي
`legacy_seresnet50.in1k`	224	77.650	224	1000	apache-2.0	الأصلي
`legacy_seresnet101.in1k`	224	78.370	224	1000	apache-2.0	الأصلي
`legacy_seresnet152.in1k`	224	78.662	224	1000	apache-2.0	الأصلي
`legacy_seresnext26_32x4d.in1k`	224	77.100	224	1000	apache-2.0	الأصلي
`legacy_seresnext50_32x4d.in1k`	224	79.080	224	1000	apache-2.0	الأصلي
`legacy_seresnext101_32x4d.in1k`	224	80.274	224	1000	apache-2.0	الأصلي

Update on GitHub

←SelecSLS SKNet→