DeiT

Категория: ViT · Код: timm/models/deit.py · Архитектуры: 16 · Предобученные веса: 24 (24 с результатами на ImageNet-1k)

Data-efficient Image Transformers (DeiT) — это Vision Transformers, обученные только на ImageNet-1k, опционально с токеном дистилляции, который обучается от CNN-учителя. Модели DeiT III обучаются с использованием улучшенного рецепта.

Статьи

• Обучение энергоэффективных изображений трансформеров и дистилляция через внимание
• DeiT III: Месть ViT

Использование

См. раздел Быстрый старт для загрузки предобученных весов, предобработки изображений и дообучения, а также раздел Извлечение признаков для использования моделей в качестве базовых архитектур.

>>> import timm
>>> model = timm.create_model('deit_small_distilled_patch16_224.fb_in1k', pretrained=True)
>>> data_config = timm.data.resolve_model_data_config(model)

Поддержка Model API

✓ поддерживается, ✓ (квадрат) работает только для квадратных размеров, ✗ не поддерживается, – не требуется (модель уже принимает входные данные любого размера). Проверено путём запуска каждой функции на случайно инициализированной модели (VisionTransformer с deit_tiny_patch16_224 при 224, VisionTransformerDistilled с deit_tiny_distilled_patch16_224 при 224); ожидается, что другие архитектуры того же класса будут вести себя аналогично. Подробности см. на странице Model API.

Архитектуры

GMACs и количество параметров указаны для размера входных данных и классификатора по умолчанию для каждой архитектуры, согласно результатам бенчмарков.

Предобученные веса

Top-1 — это точность на валидационном наборе ImageNet-1k из results-imagenet.csv для указанного размера оценки, - если для весов нет результата ImageNet-1k (например, веса для предобучения или изображения-текст). Classes — размер предобученного классификатора, none для весов без классификатора.