# Visformer

**Categoría:** Híbrido · **Código:** [`timm/models/visformer.py`](https://github.com/huggingface/pytorch-image-models/blob/main/timm/models/visformer.py) · **Arquitecturas:** 2 · **Pesos preentrenados:** 2 (2 con resultados en ImageNet-1k)

Visformer (Vision-friendly Transformer) transiciona un transformer hacia un diseño convolucional, con bloques convolucionales en las primeras etapas y autoatención en las etapas posteriores.

## Papers

* [Visformer: El Transformer amigable con la visión](https://arxiv.org/abs/2104.12533)

## Uso

Consulte la [Introducción rápida](../quickstart) para cargar pesos preentrenados, preprocesar imágenes y realizar el ajuste fino, y [Extracción de características](../feature_extraction) para usar los modelos como columnas verticales.

```py
>>> import timm
>>> model = timm.create_model('visformer_small.in1k', pretrained=True)
>>> data_config = timm.data.resolve_model_data_config(model)
```

## Soporte de la API de modelos

| Característica | `Visformer` |
|---|---|
| [mapas de características de `features_only=True`](../model_api#intermediate-features) | ✓ (pasos 8, 16, 32) |
| [`forward_intermediates()`](../model_api#intermediate-features) | ✓ |
| [`prune_intermediate_layers()`](../model_api#intermediate-features) | ✓ |
| [Cualquier tamaño de entrada, no se necesitan cambios](../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) | ✓ |
| [Decaimiento del LR por capa (`group_matcher()`)](../model_api#training-hooks) | ✓ |
| [`reset_classifier()`](../model_api#classifier) | ✓ |

✓ compatible, ✓ (cuadrado) funciona solo con tamaños cuadrados, ✗ no compatible, – no necesario (el modelo ya acepta cualquier tamaño de entrada). Verificado ejecutando cada función en un modelo inicializado aleatoriamente (`Visformer` con `visformer_tiny` en 224); se espera que otras arquitecturas de la misma clase se comporten de la misma manera. Consulte la página [Model API](../model_api) para obtener más detalles.

## Arquitecturas

| Arquitectura | Parámetros (M) | GMACs | Tamaño de entrada | Pesos preentrenados |
|---|---:|---:|---:|---:|
| `visformer_small` | 40.22 | 4.88 | 224 | 1 |
| `visformer_tiny` | 10.32 | 1.27 | 224 | 1 |

Los GMAC y el número de parámetros corresponden al tamaño de entrada y al clasificador predeterminados de cada arquitectura, según los [resultados de las pruebas de rendimiento](https://github.com/huggingface/pytorch-image-models/tree/main/results).

## Pesos preentrenados

Top-1 es la precisión de validación en ImageNet-1k desde [`results-imagenet.csv`](https://github.com/huggingface/pytorch-image-models/blob/main/results/results-imagenet.csv) en el tamaño de evaluación indicado, - si el peso no tiene un resultado de ImageNet-1k (p. ej. pesos de preentrenamiento o de imagen-texto). Classes es el tamaño del clasificador preentrenado, ninguno para pesos sin uno.

| Peso | Tamaño de entrada | Top-1 (%) | Tamaño de evaluación | Clases | Licencia | Hub |
|---|---:|---:|---:|---:|---|---|
| `visformer_small.in1k` | 224 | 82.092 | 224 | 1000 | apache-2.0 | [timm](https://huggingface.co/timm/visformer_small.in1k) |
| `visformer_tiny.in1k` | 224 | 78.160 | 224 | 1000 | apache-2.0 | [timm](https://huggingface.co/timm/visformer_tiny.in1k) |