/ Модель

Характеристики

Лицензия
Apache 2.0
Библиотека
timm
Опубликована
3 фев 2023

levit_conv_128s.fb_dist_in1k

Классификация изображенийИзображение → label3 профессии

Компактная модель LeViT для классификации изображений ImageNet-1k и извлечения визуальных признаков.

255скачиваний за 30 дней0лайковвеса обновлены18 ноя 2025

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки8

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

  • sketch

    top1 · выше — лучше

    Результат

    24,037 %

    image-classification 40,985 %
    timm

    Публичная таблицаревизия не подтверждена

  • imagenet

    top1 · выше — лучше

    Результат

    76,534 %

    image-classification 92,882 %
    timm

    Публичная таблицаревизия не подтверждена

  • imagenet-real

    top1 · выше — лучше

    Результат

    83,118 %

    image-classification 95,585 %
    timm

    Публичная таблицаревизия не подтверждена

  • imagenet-r-clean

    top5 · выше — лучше

    Результат

    98,43 %

    image-classification 91,54 %
    timm

    Публичная таблицаревизия не подтверждена

  • imagenet-r

    top1 · выше — лучше

    Результат

    36,583 %

    image-classification 53,077 %
    timm

    Публичная таблицаревизия не подтверждена

  • imagenet-a

    top5 · выше — лучше

    Результат

    32,84 %

    image-classification 8,613 %
    timm

    Публичная таблицаревизия не подтверждена

  • imagenet-a-clean

    top5 · выше — лучше

    Результат

    98,07 %

    image-classification 91,93 %
    timm

    Публичная таблицаревизия не подтверждена

  • imagenetv2-matched-frequency

    top1 · выше — лучше

    Результат

    64,47 %

    image-classification 84,69 %
    timm

    Публичная таблицаревизия не подтверждена

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

levit_conv_128s.fb_dist_in1k — модель классификации изображений семейства LeViT, опубликованная в репозитории timm. Это компактный вариант с 7,8 млн параметров и вычислительной сложностью 0,3 GMACs; модель принимает изображения размером 224 × 224. Она предварительно обучена авторами статьи на ImageNet-1k с дистилляцией и использует линейный режим с nn.Linear и nn.BatchNorm1d.

Модель подходит для классификации изображений на категории ImageNet-1k, а также может использоваться как визуальный backbone для извлечения эмбеддингов и карт признаков. Компактный размер и небольшая вычислительная сложность делают её пригодной для сценариев, где важны быстрый инференс и экономия ресурсов. Репозиторий распространяет веса в форматах PyTorch и safetensors; лицензия — Apache-2.0.

Модель предназначена для изображений общего назначения. Её заявленный размер входа — 224 × 224; сведения о языковых возможностях к ней неприменимы. Качество за пределами ImageNet-1k и специализированных областей в карточке не описано.

Сценарии применения

  • классификация изображений на категории ImageNet-1k
  • извлечение эмбеддингов изображений
  • получение карт визуальных признаков
  • быстрая классификация изображений при ограниченных вычислительных ресурсах

Ограничения

Заявленный размер входного изображения — 224 × 224; карточка не приводит оценки качества на данных вне ImageNet-1k или в специализированных областях.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Model card for levit_conv_128s.fb_dist_in1k

A LeViT image classification model using default linear mode (non-convolutional mode with nn.Linear and nn.BatchNorm1d). Pretrained on ImageNet-1k using distillation by paper authors.

Model Details

Model Usage

Image Classification

from urllib.request import urlopen
from PIL import Image
import timm

img = Image.open(
    urlopen('https://huggingface.co/datasets/huggingface/documentation-images/resolve/main/beignets-task-guide.png'))

model = timm.create_model('levit_conv_128s.fb_dist_in1k', pretrained=True)
model = model.eval()

# get model specific transforms (normalization, resize)
data_config = timm.data.resolve_model_data_config(model)
transforms = timm.data.create_transform(**data_config, is_training=False)

output = model(transforms(img).unsqueeze(0))  # unsqueeze single image into batch of 1

top5_probabilities, top5_class_indices = torch.topk(output.softmax(dim=1) * 100, k=5)

Image Embeddings

from urllib.request import urlopen
from PIL import Image
import timm

img = Image.open(
    urlopen('https://huggingface.co/datasets/huggingface/documentation-images/resolve/main/beignets-task-guide.png'))

model = timm.create_model(
    'levit_conv_128s.fb_dist_in1k',
    pretrained=True,
    num_classes=0,  # remove classifier nn.Linear
)
model = model.eval()

# get model specific transforms (normalization, resize)
data_config = timm.data.resolve_model_data_config(model)
transforms = timm.data.create_transform(**data_config, is_training=False)

output = model(transforms(img).unsqueeze(0))  # output is (batch_size, num_features) shaped tensor

# or equivalently (without needing to set num_classes=0)

output = model.forward_features(transforms(img).unsqueeze(0))
# output is unpooled (ie.e a (batch_size, num_features, H, W) tensor

output = model.forward_head(output, pre_logits=True)
# output is (batch_size, num_features) tensor

Feature Map Extraction

from urllib.request import urlopen
from PIL import Image
import timm

img = Image.open(
    urlopen('https://huggingface.co/datasets/huggingface/documentation-images/resolve/main/beignets-task-guide.png'))

model = timm.create_model(
    'levit_conv_128s.fb_dist_in1k',
    pretrained=True,
    features_only=True,
)
model = model.eval()

# get model specific transforms (normalization, resize)
data_config = timm.data.resolve_model_data_config(model)
transforms = timm.data.create_transform(**data_config, is_training=False)

output = model(transforms(img).unsqueeze(0))  # unsqueeze single image into batch of 1

for o in output:
    # print shape of each feature map in output
    # e.g. for levit_conv_256: 
    # torch.Size([2, 256, 14, 14])
    # torch.Size([2, 384, 7, 7])
    # torch.Size([2, 512, 4, 4])
    print(o.shape)

Model Comparison

modeltop1top5param_countimg_size
levit_384.fb_dist_in1k82.59696.01239.13224
levit_conv_384.fb_dist_in1k82.59696.01239.13224
levit_256.fb_dist_in1k81.51295.4818.89224
levit_conv_256.fb_dist_in1k81.51295.4818.89224
levit_conv_192.fb_dist_in1k79.8694.79210.95224
levit_192.fb_dist_in1k79.85894.79210.95224
levit_128.fb_dist_in1k78.47494.0149.21224
levit_conv_128.fb_dist_in1k78.47494.029.21224
levit_128s.fb_dist_in1k76.53492.8647.78224
levit_conv_128s.fb_dist_in1k76.53292.8647.78224

Citation

@InProceedings{Graham_2021_ICCV,
  author    = {Graham, Benjamin and El-Nouby, Alaaeldin and Touvron, Hugo and Stock, Pierre and Joulin, Armand and Jegou, Herve and Douze, Matthijs},
  title     = {LeViT: A Vision Transformer in ConvNet's Clothing for Faster Inference},
  booktitle = {Proceedings of the IEEE/CVF International Conference on Computer Vision (ICCV)},
  month     = {October},
  year      = {2021},
  pages     = {12259-12269}
}
@misc{rw2019timm,
  author = {Ross Wightman},
  title = {PyTorch Image Models},
  year = {2019},
  publisher = {GitHub},
  journal = {GitHub repository},
  doi = {10.5281/zenodo.4414861},
  howpublished = {\url{https://github.com/rwightman/pytorch-image-models}}
}

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · timm · image-classification

Можно запустить

Подбираем GPU…

Ревизия весов
34b8706

0 моделей