vit_small_patch32_224.augreg_in21k_ft_in1k

vit_small_patch32_224.augreg_in21k_ft_in1k

Vision Transformer图像分类模型 预训练于ImageNet-21k并微调于ImageNet-1k

这是一个基于Vision Transformer (ViT)架构的图像分类模型,在ImageNet-21k上进行预训练,并在ImageNet-1k上微调。模型包含2290万参数,处理224x224尺寸的图像输入。通过额外的数据增强和正则化技术提升性能,最初在JAX框架中训练,后移植至PyTorch。该模型提供简洁的API,支持图像分类和特征提取两大功能,可广泛应用于多种计算机视觉任务。

Vision TransformertimmImageNet深度学习模型Github开源项目图像分类Huggingface

项目简介

这是一个基于Vision Transformer(ViT)架构的图像分类模型。该模型首先在ImageNet-21k数据集上进行预训练,然后在ImageNet-1k数据集上进行微调,同时采用了额外的数据增强和正则化技术。该模型最初由论文作者使用JAX框架训练,后来由Ross Wightman将其移植到PyTorch框架。

技术特点

该模型具有以下核心特点:

  • 模型参数量为22.9M,计算量为1.1 GMACs
  • 激活值数量为2.1M
  • 支持224x224分辨率的输入图像
  • 采用了先进的数据增强和正则化策略
  • 基于Transformer架构,充分利用了自注意力机制的优势

应用场景

这个模型主要有两个核心应用场景:

  1. 图像分类:
  • 可以直接用于对图像进行分类预测
  • 输出类别的概率分布
  • 支持top-k预测结果的获取
  1. 图像特征提取:
  • 可以提取图像的深层特征表示
  • 支持获取中间层的特征图
  • 适合迁移学习等下游任务

使用方法

该模型的使用非常灵活便捷:

  • 通过timm库可以轻松加载预训练模型
  • 支持自定义数据预处理和转换
  • 提供了完整的推理流程示例
  • 可以根据需求选择是否保留分类头

技术价值

该模型在计算机视觉领域具有重要价值:

  • 展示了Transformer架构在视觉任务中的潜力
  • 验证了数据增强和正则化对视觉Transformer训练的重要性
  • 为图像分类和特征提取提供了高效的解决方案
  • 开源实现促进了相关技术的发展和应用

研究贡献

该项目的主要贡献包括:

  • 提出了针对ViT的有效训练策略
  • 探索了数据增强和正则化对模型性能的影响
  • 实现了从JAX到PyTorch的成功移植
  • 为社区提供了可复现的代码和预训练模型

编辑推荐精选

Keevx

Keevx

AI数字人视频创作平台

Keevx 一款开箱即用的AI数字人视频创作平台,广泛适用于电商广告、企业培训与社媒宣传,让全球企业与个人创作者无需拍摄剪辑,就能快速生成多语言、高质量的专业视频。

即梦AI

即梦AI

一站式AI创作平台

提供 AI 驱动的图片、视频生成及数字人等功能,助力创意创作

扣子-AI办公

扣子-AI办公

AI办公助手,复杂任务高效处理

AI办公助手,复杂任务高效处理。办公效率低?扣子空间AI助手支持播客生成、PPT制作、网页开发及报告写作,覆盖科研、商业、舆情等领域的专家Agent 7x24小时响应,生活工作无缝切换,提升50%效率!

TRAE编程

TRAE编程

AI辅助编程,代码自动修复

Trae是一种自适应的集成开发环境(IDE),通过自动化和多元协作改变开发流程。利用Trae,团队能够更快速、精确地编写和部署代码,从而提高编程效率和项目交付速度。Trae具备上下文感知和代码自动完成功能,是提升开发效率的理想工具。

热门AI工具生产力协作转型TraeAI IDE
蛙蛙写作

蛙蛙写作

AI小说写作助手,一站式润色、改写、扩写

蛙蛙写作—国内先进的AI写作平台,涵盖小说、学术、社交媒体等多场景。提供续写、改写、润色等功能,助力创作者高效优化写作流程。界面简洁,功能全面,适合各类写作者提升内容品质和工作效率。

AI助手AI工具AI写作工具AI辅助写作蛙蛙写作学术助手办公助手营销助手
问小白

问小白

全能AI智能助手,随时解答生活与工作的多样问题

问小白,由元石科技研发的AI智能助手,快速准确地解答各种生活和工作问题,包括但不限于搜索、规划和社交互动,帮助用户在日常生活中提高效率,轻松管理个人事务。

聊天机器人AI助手热门AI工具AI对话
Transly

Transly

实时语音翻译/同声传译工具

Transly是一个多场景的AI大语言模型驱动的同声传译、专业翻译助手,它拥有超精准的音频识别翻译能力,几乎零延迟的使用体验和支持多国语言可以让你带它走遍全球,无论你是留学生、商务人士、韩剧美剧爱好者,还是出国游玩、多国会议、跨国追星等等,都可以满足你所有需要同传的场景需求,线上线下通用,扫除语言障碍,让全世界的语言交流不再有国界。

讯飞智文

讯飞智文

一键生成PPT和Word,让学习生活更轻松

讯飞智文是一个利用 AI 技术的项目,能够帮助用户生成 PPT 以及各类文档。无论是商业领域的市场分析报告、年度目标制定,还是学生群体的职业生涯规划、实习避坑指南,亦或是活动策划、旅游攻略等内容,它都能提供支持,帮助用户精准表达,轻松呈现各种信息。

热门AI工具AI办公办公工具讯飞智文AI在线生成PPTAI撰写助手多语种文档生成AI自动配图
讯飞星火

讯飞星火

深度推理能力全新升级,全面对标OpenAI o1

科大讯飞的星火大模型,支持语言理解、知识问答和文本创作等多功能,适用于多种文件和业务场景,提升办公和日常生活的效率。讯飞星火是一个提供丰富智能服务的平台,涵盖科技资讯、图像创作、写作辅助、编程解答、科研文献解读等功能,能为不同需求的用户提供便捷高效的帮助,助力用户轻松获取信息、解决问题,满足多样化使用场景。

模型训练热门AI工具内容创作智能问答AI开发讯飞星火大模型多语种支持智慧生活
Spark-TTS

Spark-TTS

一种基于大语言模型的高效单流解耦语音令牌文本到语音合成模型

Spark-TTS 是一个基于 PyTorch 的开源文本到语音合成项目,由多个知名机构联合参与。该项目提供了高效的 LLM(大语言模型)驱动的语音合成方案,支持语音克隆和语音创建功能,可通过命令行界面(CLI)和 Web UI 两种方式使用。用户可以根据需求调整语音的性别、音高、速度等参数,生成高质量的语音。该项目适用于多种场景,如有声读物制作、智能语音助手开发等。

下拉加载更多