#ResNeSt

PyTorch-Encoding由Hang Zhang创建，提供了详细的安装和使用说明，包含图像分类和语义分割模型。项目集成了ResNeSt和Deep TEN等编码网络，在ADE20K和PASCAL Context等数据集上取得了出色表现。其高效的上下文编码方法为深度学习提供了新的解决方案，是计算机视觉领域的重要工具。

ResNeSt14d是一款基于ResNet的分割注意力图像分类模型，由研究团队在ImageNet-1k数据集上训练。此模型拥有10.6M的参数和2.8 GMACs，支持224x224的图像尺寸。提供多种功能，包括图像分类、特征提取和图像嵌入。通过timm库实现预训练模型调用，支持快速有效的图像分析和计算机视觉任务。

ResNeSt101e.in1k是一个基于ResNet架构的分离注意力网络图像分类模型，在ImageNet-1k数据集上训练。该模型拥有4830万参数，13.4 GMACs计算复杂度，支持图像分类、特征提取和图像嵌入等功能。ResNeSt101e在保持较低计算复杂度的同时提供优秀性能，适用于多种计算机视觉应用场景。