Hugging Face's logo

timm documentation

BYOBNet (GENet, RepVGG, MobileOne, …)

You are viewing main version, which requires installation from source. If you'd like regular pip install, checkout the latest stable version (v1.0.31).
Hugging Face's logo
Join the Hugging Face community

and get access to the augmented documentation experience

to get started

BYOBNet (GENet, RepVGG, MobileOne, …)

카테고리: CNN · 코드: timm/models/byobnet.py · 아키텍처: 53 · 프리트레인드 가중치: 57 (ImageNet-1k 결과가 포함된 41개)

Bring-Your-Own-Blocks Network는 블록을 스테이지로 쌓아 올리는 dataclass 구성으로 구축된 유연한 네트워크입니다. GPU-Efficient Networks(gernet_*), RepVGG, MobileOne, RegNetZ, CLIP의 ResNet 이미지 타워(*_clip) 및 여러 ResNet 스타일의 timm 변형을 구현합니다.

논문

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('repvgg_a2.rvgg_in1k', pretrained=True)
>>> data_config = timm.data.resolve_model_data_config(model)

모델 API 지원

기능ByobNet
features_only=True feature map✓ (strides 2, 4, 8, 16, 32)
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 지원됨, ✗ 미지원, – 필요 없음(모델이 이미 모든 입력 크기를 허용함). 무작위로 초기화된 모델(mobileone_s1이 적용된 ByobNet, 224)에서 각 기능을 실행하여 확인했으며, 같은 클래스의 다른 아키텍처도 동일한 동작을 하는 것으로 예상됩니다. 자세한 내용은 Model API 페이지를 참조하세요.

아키텍처

아키텍처매개변수 (M)GMAC입력 크기사전 학습된 가중치
bat_resnext26ts10.732.532561
eca_resnet33ts19.684.762561
eca_resnext26ts10.302.432561
gcresnet33ts19.884.762561
gcresnet50t25.905.422561
gcresnext26ts10.482.432561
gcresnext50ts15.673.752561
gernet_l31.084.572561
gernet_m21.143.022241
gernet_s8.170.752241
mobileone_s02.080.282241
mobileone_s14.760.832241
mobileone_s27.811.302241
mobileone_s310.081.902241
mobileone_s414.842.982241
regnetz_b169.721.452241
regnetz_b16_evos9.741.432240
regnetz_c1613.462.512561
regnetz_c16_evos13.492.482561
regnetz_d823.373.972561
regnetz_d8_evos23.464.502561
regnetz_d3227.585.982561
regnetz_e857.709.912561
repvgg_a08.311.362241
repvgg_a112.792.362241
repvgg_a225.505.122241
repvgg_b014.343.062241
repvgg_b151.8311.822241
repvgg_b1g436.137.312241
repvgg_b280.3218.382241
repvgg_b2g455.7811.332241
repvgg_b3110.9626.212241
repvgg_b3g475.6316.062241
repvgg_d2se120.3966.993201
resnet32ts17.964.632561
resnet33ts19.684.762561
resnet50_clip38.326.142243
resnet50_clip_gap23.535.392243
resnet50_mlp26.657.052560
resnet50x4_clip87.1421.352881
resnet50x4_clip_gap65.6219.572881
resnet50x16_clip167.3374.903841
resnet50x16_clip_gap136.2070.323841
resnet50x64_clip420.38265.024481
resnet50x64_clip_gap365.03253.964481
resnet51q35.706.382561
resnet61q36.857.802561
resnet101_clip56.269.812242
resnet101_clip_gap42.529.112242
resnext26ts10.302.432561
seresnet33ts19.784.762561
seresnext26ts10.392.432561
test_byobnet0.460.031601

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.

Weights는 소스에 따라 그룹화됩니다. 사전 학습 설정에 명시된 논문 또는 출처, 그렇지 않으면 timm가 아닌 Hub 조직, 그렇지 않으면 사전 학습 태그의 첫 번째 부분(architecture.tag)입니다. 단일 weight만 있는 소스는 other에 나열됩니다.

rvgg 태그

가중치입력 크기Top-1(%)평가 크기클래스라이선스Hub
repvgg_a0.rvgg_in1k22472.4262241000mittimm
repvgg_a1.rvgg_in1k22474.4742241000mittimm
repvgg_a2.rvgg_in1k22476.4882241000mittimm
repvgg_b0.rvgg_in1k22475.1582241000mittimm
repvgg_b1.rvgg_in1k22478.3702241000mittimm
repvgg_b1g4.rvgg_in1k22477.6082241000mittimm
repvgg_b2.rvgg_in1k22478.7882241000mittimm
repvgg_b2g4.rvgg_in1k22479.3962241000mittimm
repvgg_b3.rvgg_in1k22480.5282241000mittimm
repvgg_b3g4.rvgg_in1k22480.2242241000mittimm
repvgg_d2se.rvgg_in1k32083.5503201000mittimm

openai 태그

가중치입력 크기Top-1(%)평가 크기클래스라이선스Hub
resnet50_clip.openai224--1024mittimm
resnet50_clip_gap.openai224--없음mittimm
resnet50x4_clip.openai288--640mittimm
resnet50x4_clip_gap.openai288--없음mittimm
resnet50x16_clip.openai384--768mittimm
resnet50x16_clip_gap.openai384--없음mittimm
resnet50x64_clip.openai448--1024mittimm
resnet50x64_clip_gap.openai448--없음mittimm
resnet101_clip.openai224--512mittimm
resnet101_clip_gap.openai224--없음mittimm

ra2 태그

가중치입력 크기Top-1(%)평가 크기클래스라이선스Hub
eca_resnet33ts.ra2_in1k256 (테스트 288)80.7162881000apache-2.0timm
gcresnet33ts.ra2_in1k256 (테스트 288)80.5882881000apache-2.0timm
gcresnet50t.ra2_in1k256 (테스트 288)81.4582881000apache-2.0timm
resnet32ts.ra2_in1k256 (테스트 288)79.3882881000apache-2.0timm
resnet33ts.ra2_in1k256 (테스트 288)79.7102881000apache-2.0timm
resnet51q.ra2_in1k256 (테스트 288)82.3562881000apache-2.0timm
resnet61q.ra2_in1k256 (테스트 288)82.5322881000apache-2.0timm
resnext26ts.ra2_in1k256 (테스트 288)77.1862881000apache-2.0timm
seresnet33ts.ra2_in1k256 (테스트 288)80.8142881000apache-2.0timm

ch 태그

가중치입력 크기Top-1(%)평가 크기클래스라이선스Hub
bat_resnext26ts.ch_in1k25678.2802561000apache-2.0timm
eca_resnext26ts.ch_in1k256 (테스트 288)78.0202881000apache-2.0timm
gcresnext26ts.ch_in1k256 (테스트 288)78.4362881000apache-2.0timm
gcresnext50ts.ch_in1k256 (테스트 288)81.2422881000apache-2.0timm
regnetz_c16_evos.ch_in1k256 (테스트 320)82.6603201000apache-2.0timm
regnetz_d8_evos.ch_in1k256 (테스트 320)84.1383201000apache-2.0timm
seresnext26ts.ch_in1k256 (테스트 288)78.2922881000apache-2.0timm

apple 태그

가중치입력 크기Top-1(%)평가 크기클래스라이선스Hub
mobileone_s0.apple_in1k22471.3982241000mobileone-licensetimm
mobileone_s1.apple_in1k22475.7602241000mobileone-licensetimm
mobileone_s2.apple_in1k22477.5042241000mobileone-licensetimm
mobileone_s3.apple_in1k22478.0022241000mobileone-licensetimm
mobileone_s4.apple_in1k22479.4462241000mobileone-licensetimm

ra3 태그

가중치입력 크기Top-1(%)평가 크기클래스라이선스Hub
regnetz_b16.ra3_in1k224 (테스트 288)80.7402881000apache-2.0timm
regnetz_c16.ra3_in1k256 (테스트 320)82.6623201000apache-2.0timm
regnetz_d8.ra3_in1k256 (테스트 320)84.0443201000apache-2.0timm
regnetz_d32.ra3_in1k256 (테스트 320)84.0283201000apache-2.0timm
regnetz_e8.ra3_in1k256 (테스트 320)85.0163201000apache-2.0timm

yfcc15m 태그

가중치입력 크기Top-1(%)평가 크기클래스라이선스Hub
resnet50_clip.yfcc15m224--1024mittimm
resnet50_clip_gap.yfcc15m224--없음mittimm
resnet101_clip.yfcc15m224--512mittimm
resnet101_clip_gap.yfcc15m224--없음mittimm

idstcv 태그

가중치입력 크기Top-1(%)평가 크기클래스라이선스Hub
gernet_l.idstcv_in1k25681.3542561000apache-2.0timm
gernet_m.idstcv_in1k22480.7022241000apache-2.0timm
gernet_s.idstcv_in1k22476.8742241000apache-2.0timm

태그

가중치입력 크기Top-1(%)평가 크기클래스라이선스Hub
resnet50_clip.cc12m224--1024mittimm
resnet50_clip_gap.cc12m224--없음mittimm

기타

가중치입력 크기Top-1(%)평가 크기클래스라이선스Hub
test_byobnet.r160_in1k16045.8581601000apache-2.0timm
Update on GitHub

←Aligned Xception ConvMixer→