convnext_base.fb_in22k_ft_in1k_384 - 高效的ConvNeXt图像分类解决方案

项目介绍：convnext_base.fb_in22k_ft_in1k_384

convnext_base.fb_in22k_ft_in1k_384 是一个用于图像分类的模型。这一模型基于ConvNeXt架构，首先在ImageNet-22k数据集上进行预训练，然后在ImageNet-1k数据集上进行微调，由研究论文的作者开发。

模型详情

模型类型: 图像分类/特征骨干网络
模型参数:
- 参数量（百万）: 88.6
- GMACs: 45.2
- 活动参数量（百万）: 84.5
- 图像尺寸: 384 x 384
相关论文: A ConvNet for the 2020s
项目地址: GitHub
数据集: 使用ImageNet-1k进行训练
预训练数据集: 使用ImageNet-22k进行预训练

模型使用

图像分类

使用此模型进行图像分类非常简单。代码示例展示了如何下载一张图片，并使用timm库加载预训练模型。

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('convnext_base.fb_in22k_ft_in1k_384', pretrained=True)
model = model.eval()

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))

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

特征图提取

除此之外，还可以使用该模型提取特征图。这样可以在不包含分类头的情况下，获得特征图，用于进一步的分析。

model = timm.create_model(
    'convnext_base.fb_in22k_ft_in1k_384',
    pretrained=True,
    features_only=True,
)
output = model(transforms(img).unsqueeze(0))
for o in output:
    print(o.shape)

图像嵌入

获取图像嵌入的过程类似于特征图提取，只不过去掉了分类层。

model = timm.create_model(
    'convnext_base.fb_in22k_ft_in1k_384',
    pretrained=True,
    num_classes=0,
)
output = model(transforms(img).unsqueeze(0))

模型比较

这个模型在一系列复杂度和性能上都有所优化，与其他类似模型相比有着不俗的表现。模型性能上的一些相关数据可以在timm模型结果中查看。例如，与其他模型的对比中，它在批处理大小为256时的样本处理速度为366.54张图像每秒。

此外，通过这款模型可以轻松实现现代化的图像分类任务，对于希望在大规模数据上训练和微调模型的研究者们来说，它是一个理想的选择。