/ Модель

Характеристики

Лицензия
Apache 2.0
Библиотека
timm
Опубликована
22 сен 2024

test_vit2.r160_in1k

Классификация изображенийИзображение → label3 профессии

Тестовая модель Vision Transformer с 0,5 млн параметров для классификации изображений и проверки компьютерного зрения.

954скачиваний за 30 дней0лайковвеса обновлены21 янв 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-a

    top5 · выше — лучше

    Результат

    13,36 %

    image-classification 2,613 %
    timm

    Публичная таблицаревизия не подтверждена

  • imagenet-a-clean

    top5 · выше — лучше

    Результат

    85,45 %

    image-classification 64,64 %
    timm

    Публичная таблицаревизия не подтверждена

  • imagenet-r

    top1 · выше — лучше

    Результат

    14,633 %

    image-classification 29,693 %
    timm

    Публичная таблицаревизия не подтверждена

  • imagenet

    top5 · выше — лучше

    Результат

    68,982 %

    image-classification 42,25 %
    timm

    Публичная таблицаревизия не подтверждена

  • imagenet-r-clean

    top5 · выше — лучше

    Результат

    88,21 %

    image-classification 65,76 %
    timm

    Публичная таблицаревизия не подтверждена

  • sketch

    top1 · выше — лучше

    Результат

    5,608 %

    image-classification 14,058 %
    timm

    Публичная таблицаревизия не подтверждена

  • imagenetv2-matched-frequency

    top5 · выше — лучше

    Результат

    58,11 %

    image-classification 32,83 %
    timm

    Публичная таблицаревизия не подтверждена

  • imagenet-real

    top5 · выше — лучше

    Результат

    74,469 %

    image-classification 48,434 %
    timm

    Публичная таблицаревизия не подтверждена

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

testvit2.r160in1k — очень маленькая тестовая модель Vision Transformer для классификации изображений и проверки работы моделей. Её разработал Ross Wightman; модель обучена на ImageNet-1k и содержит около 0,5 млн параметров. Она принимает изображения размером 160 × 160 пикселей и может использоваться как классификатор или как основа для извлечения признаковых карт и эмбеддингов изображений.

Модель предназначена для тестирования и sanity checks, а не для задач, где нужна высокая точность: в карточке она названа тестовой, а приведённые показатели относятся к другим моделям. Доступна по лицензии Apache-2.0.

Сценарии применения

  • проверка конвейера классификации изображений
  • быстрые тесты моделей Vision Transformer
  • извлечение признаковых карт из изображений
  • получение эмбеддингов изображений

Ограничения

Это очень маленькая тестовая модель для проверок; карточка не приводит её собственных показателей качества. Для содержательных задач классификации следует учитывать ограничение входного размера 160 × 160 пикселей.

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 test_vit2.r160_in1k

A very small test Vision Transformer image classification model for testing and sanity checks. Trained on ImageNet-1k by Ross Wightman.

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('test_vit2.r160_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)

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(
    'test_vit2.r160_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.:
    #  torch.Size([1, 64, 10, 10])
    #  torch.Size([1, 64, 10, 10])
    #  torch.Size([1, 64, 10, 10])

    print(o.shape)

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(
    'test_vit2.r160_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, a (1, 101, 64) shaped tensor

output = model.forward_head(output, pre_logits=True)
# output is a (1, num_features) shaped tensor

Model Comparison

By Top-1

modelimg_sizetop1top5param_count
test_convnext3.r160_in1k19254.55879.3560.47
test_convnext2.r160_in1k19253.6278.6360.48
test_convnext2.r160_in1k16053.5178.5260.48
test_convnext3.r160_in1k16053.32878.3180.47
test_convnext.r160_in1k19248.53274.9440.27
test_nfnet.r160_in1k19248.29873.4460.38
test_convnext.r160_in1k16047.76474.1520.27
test_nfnet.r160_in1k16047.61672.8980.38
test_efficientnet.r160_in1k19247.16471.7060.36
test_efficientnet_evos.r160_in1k19246.92471.530.36
test_byobnet.r160_in1k19246.68871.6680.46
test_efficientnet_evos.r160_in1k16046.49871.0060.36
test_efficientnet.r160_in1k16046.45471.0140.36
test_byobnet.r160_in1k16045.85270.9960.46
test_efficientnet_ln.r160_in1k19244.53869.9740.36
test_efficientnet_gn.r160_in1k19244.44869.750.36
test_efficientnet_ln.r160_in1k16043.91669.4040.36
test_efficientnet_gn.r160_in1k16043.8869.1620.36
test_vit2.r160_in1k19243.45469.7980.46
test_resnet.r160_in1k19242.37668.7440.47
test_vit2.r160_in1k16042.23268.9820.46
test_vit.r160_in1k19241.98468.640.37
test_resnet.r160_in1k16041.57867.9560.47
test_vit.r160_in1k16040.94667.3620.37

Citation

@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/huggingface/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
f924790

0 моделей