timm 文档

快速入门

Hugging Face's logo
加入 Hugging Face 社区

并获得增强文档体验

开始

快速入门

本快速入门适用于准备深入代码并查看将 timm 集成到其模型训练工作流程的示例的开发人员。

首先,您需要安装 timm。有关安装的更多信息,请参阅 安装

pip install timm

加载预训练模型

可以使用 create_model() 加载预训练模型。

这里,我们加载预训练的 mobilenetv3_large_100 模型。

>>> import timm

>>> m = timm.create_model('mobilenetv3_large_100', pretrained=True)
>>> m.eval()
注意:返回的 PyTorch 模型默认情况下设置为训练模式,因此如果您计划将其用于推理,则必须对其调用 .eval()。

列出具有预训练权重的模型

要列出与 timm 打包的模型,可以使用 list_models()。如果您指定 pretrained=True,此函数将仅返回具有关联预训练权重的模型名称。

>>> import timm
>>> from pprint import pprint
>>> model_names = timm.list_models(pretrained=True)
>>> pprint(model_names)
[
    'adv_inception_v3',
    'cspdarknet53',
    'cspresnext50',
    'densenet121',
    'densenet161',
    'densenet169',
    'densenet201',
    'densenetblur121d',
    'dla34',
    'dla46_c',
]

您还可以列出名称中具有特定模式的模型。

>>> import timm
>>> from pprint import pprint
>>> model_names = timm.list_models('*resne*t*')
>>> pprint(model_names)
[
    'cspresnet50',
    'cspresnet50d',
    'cspresnet50w',
    'cspresnext50',
    ...
]

微调预训练模型

您可以通过更改分类器(最后一层)来微调任何预训练模型。

>>> model = timm.create_model('mobilenetv3_large_100', pretrained=True, num_classes=NUM_FINETUNE_CLASSES)

要在您自己的数据集上进行微调,您必须编写 PyTorch 训练循环或调整 timm训练脚本 以使用您的数据集。

使用预训练模型进行特征提取

在不修改网络的情况下,可以在任何模型上调用 model.forward_features(input) 而不是通常的 model(input)。这将绕过网络的头部分类器和全局池化。

有关将 timm 用于特征提取的更深入指南,请参阅 特征提取

>>> import timm
>>> import torch
>>> x = torch.randn(1, 3, 224, 224)
>>> model = timm.create_model('mobilenetv3_large_100', pretrained=True)
>>> features = model.forward_features(x)
>>> print(features.shape)
torch.Size([1, 960, 7, 7])

图像增强

要将图像转换为模型的有效输入,可以使用 timm.data.create_transform(),提供模型期望的所需 input_size

这将返回一个使用合理默认值的通用转换。

>>> timm.data.create_transform((3, 224, 224))
Compose(
    Resize(size=256, interpolation=bilinear, max_size=None, antialias=None)
    CenterCrop(size=(224, 224))
    ToTensor()
    Normalize(mean=tensor([0.4850, 0.4560, 0.4060]), std=tensor([0.2290, 0.2240, 0.2250]))
)

预训练模型具有在训练期间应用于馈送到其中的图像的特定转换。如果您在图像上使用错误的转换,模型将无法理解它正在看到的内容!

要弄清楚特定预训练模型使用了哪些转换,我们可以首先查看其 pretrained_cfg

>>> model.pretrained_cfg
{'url': 'https://github.com/rwightman/pytorch-image-models/releases/download/v0.1-weights/mobilenetv3_large_100_ra-f55367f5.pth',
 'num_classes': 1000,
 'input_size': (3, 224, 224),
 'pool_size': (7, 7),
 'crop_pct': 0.875,
 'interpolation': 'bicubic',
 'mean': (0.485, 0.456, 0.406),
 'std': (0.229, 0.224, 0.225),
 'first_conv': 'conv_stem',
 'classifier': 'classifier',
 'architecture': 'mobilenetv3_large_100'}

然后,我们可以使用 timm.data.resolve_data_config() 仅解析与数据相关的配置。

>>> timm.data.resolve_data_config(model.pretrained_cfg)
{'input_size': (3, 224, 224),
 'interpolation': 'bicubic',
 'mean': (0.485, 0.456, 0.406),
 'std': (0.229, 0.224, 0.225),
 'crop_pct': 0.875}

我们可以将此数据配置传递给 timm.data.create_transform() 以初始化模型的关联转换。

>>> data_cfg = timm.data.resolve_data_config(model.pretrained_cfg)
>>> transform = timm.data.create_transform(**data_cfg)
>>> transform
Compose(
    Resize(size=256, interpolation=bicubic, max_size=None, antialias=None)
    CenterCrop(size=(224, 224))
    ToTensor()
    Normalize(mean=tensor([0.4850, 0.4560, 0.4060]), std=tensor([0.2290, 0.2240, 0.2250]))
)
注意:这里,预训练模型的配置恰好与我们之前创建的通用配置相同。并非总是如此。因此,与使用通用转换相比,使用数据配置来创建转换(如这里所做)更安全。

使用预训练模型进行推理

这里,我们将把上面的部分放在一起,并使用一个预训练模型进行推理。

首先,我们需要一张图像来进行推理。这里,我们从网络上加载了一张叶子的图片

>>> import requests
>>> from PIL import Image
>>> from io import BytesIO
>>> url = 'https://datasets-server.huggingface.co/assets/imagenet-1k/--/default/test/12/image/image.jpg'
>>> image = Image.open(requests.get(url, stream=True).raw)
>>> image

这是我们加载的图像

An Image from a link

现在,我们将再次创建我们的模型和转换。这次,我们要确保将模型设置为评估模式。

>>> model = timm.create_model('mobilenetv3_large_100', pretrained=True).eval()
>>> transform = timm.data.create_transform(
    **timm.data.resolve_data_config(model.pretrained_cfg)
)

我们可以通过将图像传递给转换来为模型准备它。

>>> image_tensor = transform(image)
>>> image_tensor.shape
torch.Size([3, 224, 224])

现在,我们可以将图像传递给模型以获得预测。我们在这里使用 `unsqueeze(0)`,因为模型期望一个批次维度。

>>> output = model(image_tensor.unsqueeze(0))
>>> output.shape
torch.Size([1, 1000])

为了获得预测概率,我们将 softmax 应用于输出。这将使我们得到一个形状为 `(num_classes,)` 的张量。

>>> probabilities = torch.nn.functional.softmax(output[0], dim=0)
>>> probabilities.shape
torch.Size([1000])

现在,我们将使用 `torch.topk` 找到前 5 个预测类索引和值。

>>> values, indices = torch.topk(probabilities, 5)
>>> indices
tensor([162, 166, 161, 164, 167])

如果我们检查前一个索引的 ImageNet 标签,我们可以看到模型预测了什么......

>>> IMAGENET_1k_URL = 'https://storage.googleapis.com/bit_models/ilsvrc2012_wordnet_lemmas.txt'
>>> IMAGENET_1k_LABELS = requests.get(IMAGENET_1k_URL).text.strip().split('\n')
>>> [{'label': IMAGENET_1k_LABELS[idx], 'value': val.item()} for val, idx in zip(values, indices)]
[{'label': 'beagle', 'value': 0.8486220836639404},
 {'label': 'Walker_hound, Walker_foxhound', 'value': 0.03753996267914772},
 {'label': 'basset, basset_hound', 'value': 0.024628572165966034},
 {'label': 'bluetick', 'value': 0.010317106731235981},
 {'label': 'English_foxhound', 'value': 0.006958036217838526}]
< > 更新 在 GitHub 上