快速入门

本快速入门旨在帮助开发者深入了解代码，并提供一个如何将 timm 集成到模型训练工作流中的示例。

首先，你需要安装 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。

在这里，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 模型默认设置为训练模式，因此如果你计划将其用于推理，必须在其上调用 .eval()。

列出带预训练权重的模型

要列出 timm 中打包的模型，你可以使用 list_models()。如果指定 pretrained=True，此函数将只返回具有可用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',
]

你还可以列出名称中包含特定模式的模型。

>>> 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

你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)

要在你自己的数据集上进行微调，你必须编写一个 PyTorch 训练循环或调整 timm 的训练脚本来使用你的数据集。

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自分类器和全局池化层。

有关使用 timm 进行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，你可以使用 timm.data.create_transform()，并提供模型期望的 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]))
)

预训练模型在训练时对输入图像应用了特定的转换。如果你对图像使用了错误的转换，模型将无法理解它看到的内容！

要弄清楚给定的预训练模型使用了哪些转换，我们可以先查看其 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() 来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() 来初始化模型关联的转换。

>>> 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：在这里，预训练模型的配置恰好与我们之前创建的通用配置相同。但情况并非总是如此。因此，更安全的做法是使用数据配置来创建转换，就像我们在这里做的那样，而不是使用通用转换。

使用预训练模型进行推理

在这里，我们将整合以上各部分，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。这里我们从网上加载一张叶子的图片。

>>> import requests
>>> from PIL import Image
>>> from io import BytesIO
>>> url = 'https://huggingface.co/datasets/huggingface/documentation-images/resolve/main/timm/cat.jpg'
>>> image = Image.open(requests.get(url, stream=True).raw)
>>> image

这是我们加载的图像

现在，我们将再次创建我们的模型和转换。这次，我们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好这张图片。

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

现在我们可以将该图像传递给模型以获得预测。在这种情况下，我们使用 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])

要获得预测概率，我们对输出应用 softmax。这将给我们留下一个形状为 (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 个预测的类别索引和值。

>>> values, indices = torch.topk(probabilities, 5)
>>> indices
tensor([281, 282, 285, 673, 670])

如果我们检查最高索引对应的 imagenet 标签，我们就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': 'tabby, tabby_cat', 'value': 0.5101025700569153},
 {'label': 'tiger_cat', 'value': 0.22490699589252472},
 {'label': 'Egyptian_cat', 'value': 0.1835290789604187},
 {'label': 'mouse, computer_mouse', 'value': 0.006752475164830685},
 {'label': 'motor_scooter, scooter', 'value': 0.004942195490002632}]

< > 在 GitHub 上更新