NesT

Kategori: ViT · Kod: timm/models/nest.py · Mimariler: 6 · Önceden eğitilmiş ağırlıklar: 3 (3'ü ImageNet-1k sonuçlarıyla)

Nested Transformers (NesT), kendine dikkat mekanizmasını (self-attention) örtüşmeyen görüntü blokları içinde yerel olarak uygular ve aşamalar arasında komşu blokları birleştirir. Ağırlıklar, resmi JAX sürümünden dönüştürülmüştür.

Makaleler

İç İçe Hiyerarşik Dönüştürücü: Doğru, Veri Verimli ve Yorumlanabilir Görsel Anlama Doğru

Kullanım

Önceden eğitilmiş ağırlıkları yükleme, görüntü ön işleme ve ince ayar için Hızlı Başlangıç bölümüne, modelleri omurga olarak kullanmak için ise Özellik Çıkarımı bölümüne bakın.

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

Model API desteği

Özellik	`Nest`
`features_only=True` özellik haritaları	✓ (adım 4, 8, 16)
`forward_intermediates()`	✓
`prune_intermediate_layers()`	✓
Herhangi bir giriş boyutu, değişiklik gerekmez	✗
`set_input_size()`	✗
`dynamic_img_size=True`	✗
`set_grad_checkpointing()`	✓
Katman bazlı LR azaltma (`group_matcher()`)	✓
`reset_classifier()`	✓

✓ destekleniyor, ✓ (kare) yalnızca kare boyutlarda çalışır, ✗ desteklenmiyor, – gerekli değil (model zaten herhangi bir giriş boyutunu kabul eder). Her özellik, rastgele başlatılmış bir model üzerinde çalıştırılarak kontrol edilir (Nest, 224 boyutunda nest_tiny), aynı sınıfın diğer mimarilerinin de aynı şekilde davranması beklenir. Ayrıntılar için Model API sayfasına bakın.

Mimariler

Mimari	Parametreler (M)	GMAC'lar	Girdi boyutu	Önceden eğitilmiş ağırlıklar
`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

GMAC'lar ve parametre sayıları, her mimarinin varsayılan giriş boyutu ve sınıflandırıcısı içindir ve benchmark sonuçlarından alınmıştır.

Önceden eğitilmiş ağırlıklar

Top-1, belirtilen değerlendirme boyutunda results-imagenet.csv dosyasındaki ImageNet-1k doğrulama doğruluğudur; ağırlığın ImageNet-1k sonucu yoksa (ör. ön eğitim veya görsel-metin ağırlıkları) bu değer "-" olarak gösterilir. Classes, ön eğitilmiş sınıflandırıcının boyutudur; sınıflandırıcısı olmayan ağırlıklar için bu değer "none"dur.

Ağırlık	Girdi boyutu	En iyi 1 (%)	Değerlendirme boyutu	Sınıflar	Lisans	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