# EfficientViT (MIT)

**Catégorie :** Efficient/Mobile · **Code :** [`timm/models/efficientvit_mit.py`](https://github.com/huggingface/pytorch-image-models/blob/main/timm/models/efficientvit_mit.py) · **Architectures :** 7 · **Poids pré-entraînés :** 19 (19 avec des résultats ImageNet-1k)

EfficientViT du MIT Han Lab, un socle de vision pour la reconnaissance haute résolution et à faible calcul, utilisant une attention linéaire multi-échelle.

## Articles

* [EfficientViT : attention linéaire multi-échelle pour la prédiction dense haute résolution](https://arxiv.org/abs/2205.14756)

## Utilisation

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

```py
>>> import timm
>>> model = timm.create_model('efficientvit_b2.r224_in1k', pretrained=True)
>>> data_config = timm.data.resolve_model_data_config(model)
```

## Prise en charge de l'API des modèles

| Fonctionnalité | `EfficientVit` | `EfficientVitLarge` |
|---|---|---|
| [cartes de caractéristiques `features_only=True`](../model_api#intermediate-features) | ✓ (pas 4, 8, 16, 32) | ✓ (pas 4, 8, 16, 32) |
| [`forward_intermediates()`](../model_api#intermediate-features) | ✓ | ✓ |
| [`prune_intermediate_layers()`](../model_api#intermediate-features) | ✓ | ✓ |
| [Toute taille d'entrée, aucune modification nécessaire](../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) | ✓ | ✓ |
| [Décroissance du taux d'apprentissage par couche (`group_matcher()`)](../model_api#training-hooks) | ✓ | ✓ |
| [`reset_classifier()`](../model_api#classifier) | ✓ | ✓ |

✓ 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 (`EfficientVit` avec `efficientvit_b0` à 224, `EfficientVitLarge` avec `efficientvit_l1` à 224), les autres architectures de la même classe sont censées se comporter de la même manière. Consultez la page [API du modèle](../model_api) pour plus de détails.

## Architectures

| Architecture | Classe | Paramètres (M) | GMACs | Taille d'entrée | Poids pré-entraînés |
|---|---|---:|---:|---:|---:|
| `efficientvit_b0` | `EfficientVit` | 3.41 | 0.10 | 224 | 1 |
| `efficientvit_b1` | `EfficientVit` | 9.10 | 0.53 | 224 | 3 |
| `efficientvit_b2` | `EfficientVit` | 24.33 | 1.60 | 224 | 3 |
| `efficientvit_b3` | `EfficientVit` | 48.65 | 3.99 | 224 | 3 |
| `efficientvit_l1` | `EfficientVitLarge` | 52.65 | 5.27 | 224 | 1 |
| `efficientvit_l2` | `EfficientVitLarge` | 63.71 | 6.97 | 224 | 4 |
| `efficientvit_l3` | `EfficientVitLarge` | 246.04 | 27.62 | 224 | 4 |

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](https://github.com/huggingface/pytorch-image-models/tree/main/results).

## Poids pré-entraînés

Top-1 est la précision de validation sur ImageNet-1k issue de [`results-imagenet.csv`](https://github.com/huggingface/pytorch-image-models/blob/main/results/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.

| Poids | Taille d'entrée | Top-1 (%) | Taille d'évaluation | Classes | Licence | Hub |
|---|---:|---:|---:|---:|---|---|
| `efficientvit_b0.r224_in1k` | 224 | 71.408 | 224 | 1000 | apache-2.0 | [timm](https://huggingface.co/timm/efficientvit_b0.r224_in1k) |
| `efficientvit_b1.r224_in1k` | 224 | 79.254 | 224 | 1000 | apache-2.0 | [timm](https://huggingface.co/timm/efficientvit_b1.r224_in1k) |
| `efficientvit_b1.r256_in1k` | 256 | 79.734 | 256 | 1000 | apache-2.0 | [timm](https://huggingface.co/timm/efficientvit_b1.r256_in1k) |
| `efficientvit_b1.r288_in1k` | 288 | 80.322 | 288 | 1000 | apache-2.0 | [timm](https://huggingface.co/timm/efficientvit_b1.r288_in1k) |
| `efficientvit_b2.r224_in1k` | 224 | 82.162 | 224 | 1000 | apache-2.0 | [timm](https://huggingface.co/timm/efficientvit_b2.r224_in1k) |
| `efficientvit_b2.r256_in1k` | 256 | 82.712 | 256 | 1000 | apache-2.0 | [timm](https://huggingface.co/timm/efficientvit_b2.r256_in1k) |
| `efficientvit_b2.r288_in1k` | 288 | 83.078 | 288 | 1000 | apache-2.0 | [timm](https://huggingface.co/timm/efficientvit_b2.r288_in1k) |
| `efficientvit_b3.r224_in1k` | 224 | 83.444 | 224 | 1000 | apache-2.0 | [timm](https://huggingface.co/timm/efficientvit_b3.r224_in1k) |
| `efficientvit_b3.r256_in1k` | 256 | 83.782 | 256 | 1000 | apache-2.0 | [timm](https://huggingface.co/timm/efficientvit_b3.r256_in1k) |
| `efficientvit_b3.r288_in1k` | 288 | 84.162 | 288 | 1000 | apache-2.0 | [timm](https://huggingface.co/timm/efficientvit_b3.r288_in1k) |
| `efficientvit_l1.r224_in1k` | 224 | 84.464 | 224 | 1000 | apache-2.0 | [timm](https://huggingface.co/timm/efficientvit_l1.r224_in1k) |
| `efficientvit_l2.r224_in1k` | 224 | 85.046 | 224 | 1000 | apache-2.0 | [timm](https://huggingface.co/timm/efficientvit_l2.r224_in1k) |
| `efficientvit_l2.r256_in1k` | 256 | 85.380 | 256 | 1000 | apache-2.0 | [timm](https://huggingface.co/timm/efficientvit_l2.r256_in1k) |
| `efficientvit_l2.r288_in1k` | 288 | 85.614 | 288 | 1000 | apache-2.0 | [timm](https://huggingface.co/timm/efficientvit_l2.r288_in1k) |
| `efficientvit_l2.r384_in1k` | 384 | 85.984 | 384 | 1000 | apache-2.0 | [timm](https://huggingface.co/timm/efficientvit_l2.r384_in1k) |
| `efficientvit_l3.r224_in1k` | 224 | 85.810 | 224 | 1000 | apache-2.0 | [timm](https://huggingface.co/timm/efficientvit_l3.r224_in1k) |
| `efficientvit_l3.r256_in1k` | 256 | 85.952 | 256 | 1000 | apache-2.0 | [timm](https://huggingface.co/timm/efficientvit_l3.r256_in1k) |
| `efficientvit_l3.r320_in1k` | 320 | 86.230 | 320 | 1000 | apache-2.0 | [timm](https://huggingface.co/timm/efficientvit_l3.r320_in1k) |
| `efficientvit_l3.r384_in1k` | 384 | 86.396 | 384 | 1000 | apache-2.0 | [timm](https://huggingface.co/timm/efficientvit_l3.r384_in1k) |