/ Модель

Характеристики

Лицензия
Apache 2.0
Библиотека
timm
Опубликована
3 фев 2023

levit_conv_384.fb_dist_in1k

Классификация изображенийИзображение → label3 профессии

Модель LeViT с 39,1 млн параметров классифицирует изображения ImageNet-1k и подходит для извлечения визуальных признаков.

97скачиваний 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.

  • imagenet-r

    top1 · выше — лучше

    Результат

    45,777 %

    image-classification 61,717 %
    timm

    Публичная таблицаревизия не подтверждена

  • sketch

    top1 · выше — лучше

    Результат

    31,873 %

    image-classification 50,624 %
    timm

    Публичная таблицаревизия не подтверждена

  • imagenet-real

    top1 · выше — лучше

    Результат

    87,565 %

    image-classification 97,549 %
    timm

    Публичная таблицаревизия не подтверждена

  • imagenet

    top5 · выше — лучше

    Результат

    96,02 %

    image-classification 82,6 %
    timm

    Публичная таблицаревизия не подтверждена

  • imagenet-r-clean

    top5 · выше — лучше

    Результат

    99,17 %

    image-classification 95,22 %
    timm

    Публичная таблицаревизия не подтверждена

  • imagenetv2-matched-frequency

    top5 · выше — лучше

    Результат

    89,29 %

    image-classification 70,67 %
    timm

    Публичная таблицаревизия не подтверждена

  • imagenet-a-clean

    top5 · выше — лучше

    Результат

    99,05 %

    image-classification 95,54 %
    timm

    Публичная таблицаревизия не подтверждена

  • imagenet-a

    top1 · выше — лучше

    Результат

    23,173 %

    image-classification 55,747 %
    timm

    Публичная таблицаревизия не подтверждена

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

LeViT Conv 384 fb dist in1k — модель классификации изображений из семейства LeViT, опубликованная авторами модели для библиотеки timm. Это вариант LeViT с 39,1 млн параметров, вычислительной сложностью 2,4 GMAC и входным размером 224 × 224 пикселя. Модель обучена на ImageNet-1k с дистилляцией; в указанном режиме использует линейные слои nn.Linear и nn.BatchNorm1d.

Модель предназначена для присвоения изображениям классов ImageNet-1k и может использоваться как визуальный backbone для извлечения эмбеддингов и карт признаков. В карточке указана точность top-1 82,596% и top-5 96,012% на ImageNet-1k. Лицензия репозитория — Apache-2.0.

Сценарии применения

  • классификация изображений по категориям ImageNet
  • извлечение эмбеддингов изображений
  • получение карт визуальных признаков
  • использование как backbone в компьютерном зрении

Ограничения

Модель рассчитана на изображения размером 224 × 224 и обучена на категориях ImageNet-1k; качество на других данных может отличаться. В карточке не приведены результаты оценки вне ImageNet-1k.

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_384.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_384.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_384.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_384.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
5cb483b

0 моделей