ResNetV2 (BiT)

类别： CNN · 代码： timm/models/resnetv2.py · 架构： 20 · 预训练权重： 24（其中 18 个包含 ImageNet-1k 结果）

采用组归一化和权重标准化的预激活 ResNet（v2），即 Big Transfer（BiT）所使用的架构，并附带原始的 BiT 权重。同时支持作为混合 Vision Transformer 骨干网络使用的非预激活变体。

论文

• Big Transfer (BiT)：通用视觉表示学习
• 一张图像值 16x16 个词：用于大规模图像识别的 Transformer
• 知识蒸馏：好的老师需要耐心且保持一致
• 深度残差网络中的恒等映射

用法

请参阅快速入门了解如何加载预训练权重、进行图像预处理和微调，以及查阅特征提取了解如何将模型用作骨干网络。

>>> import timm
>>> model = timm.create_model('resnetv2_50.a1h_in1k', pretrained=True)
>>> data_config = timm.data.resolve_model_data_config(model)

模型 API 支持

✓ 支持，✓ (square) 仅支持方形尺寸，✗ 不支持，– 无需支持（模型本身已接受任意输入尺寸）。通过在每个功能上运行随机初始化的模型（ResNetV2 使用 resnetv2_18，尺寸为 224）进行验证，预期同一类的其他架构表现相同。详情请参阅 Model API 页面。

架构

GMACs 和参数量对应于每种架构的默认输入大小和分类器，数据来自基准测试结果。

预训练权重

Top-1 是 results-imagenet.csv 中在所列评估规模下的 ImageNet-1k 验证准确率，- 表示该权重没有 ImageNet-1k 结果（例如预训练权重或图文权重）。Classes 是预训练分类器的大小，对于没有分类器的权重则为 none。

权重按来源分组：预训练配置中给出的论文或来源，否则为 timm 以外的 Hub 组织，否则为预训练标签的第一部分（architecture.tag）。仅包含单个权重的来源列在 other 下。

goog 标签

ra4 标签

a1h 标签

ah 标签