img = torch . ones ([ 1 , 3 , 224 , 224 ])
model = LocalViT ( image_size = 224 , patch_size = 16 , num_classes = 100 )
out = model ( img )
print ( "Shape of out :" , out . shape ) # [B, num_classes]
@misc{li2021localvit,
title={LocalViT: Bringing Locality to Vision Transformers}
基于timm的多标签
分类
。
更新2021/03/22
更新了./timm/models/multi_label_model.py、./train.py和./validate.py，以计算每个标签的精度。
该存储
库
用于多标签
分类
。 该代码基于 。 感谢罗斯的出色工作。
我于2021年2月27日下载了他的代码。 我认为我的多标签
分类
代码将与他的最新版本兼容，但我没有检查。
该是多标签
分类
的主要参考资料。 感谢Dmitry Retinskiy和Satya Mallick。 为了理解我们的上下文和数据集，尽管您无需阅读此处的特定代码，但请花5分钟阅读上面的链接。 将所有
图像
放入./fashion-product-images/images/。
为了实现多标签
分类
，我从Ross的
pytorch
-image-models中修改（添加）以下文件：
为NFNet-F *模型添加预训练的权重和模型变体。
模型以dm_为前缀。 它们需要SAME填充转换，启用skipinit以及在动作fn中应用激活增益。
这些模型很大，期望用完GPU内存。 使用GELU激活+其他选项，它们大约是我的SiLU
PyTorch
优化的s变体的推断速度的1/2。
原始模型结果基于与所有其他模型都不相同的预处理，因此您将在结果csv中看到不同的结果（一旦更新）。
我尽可能地匹配原始预处理，得到以下结果：
dm_nfnet_f6 - 86.352
dm_nfnet_f5 - 86.100
dm_nfnet_f4 - 85.834
dm_nfnet_f3 - 85.676
dm_nfnet_f2 - 85.178
dm_nfnet_f1 - 84.696
dm_nfnet_f0 - 83.
GitHub链接：https://github.com/lxztju/
pytorch
_classification
遥感
分类
数据集地址：http://www.lmars.whu.edu.cn/prof_web/zhongyanfei/e-code.html
这个代码挺好用的，不需要改什么东西，下面简单说一下怎么用
1.数据准备
直接跑自己的数据吧，文件夹分为train、val、test
一级目录如下，其它文件是自动产生的，等下会说
二级目录，这里有12个类别，分别放在12个文件夹里，也就是每个类别放一个文
编辑丨极市平台宠物
图像
数据集数据集下载地址：http://m6z.cn/5TAgdC一个包含 37 个类别的宠物数据集，每个类别大约有 200 张
图像
。这些
图像
在比例、姿势和照明方面有很大的变化。所有
图像
都有相关的品种、头部 ROI 和像素级三元图分割的地面实况注释。街景门牌号 (SVHN) 数据集数据集下载地址：http://m6z.cn/5ExMWbSVHN 是一个真...
人脸、车辆、人体属性、卡证、交通标识等经典
图像
识别能力，在我们当前数字化工作及生活中发挥着极其重要的作用。业内也不乏顶尖公司提供的可直接调用的API、SDK，但这些往往面临着定制化场景泛化效果不好、价格昂贵、黑盒可控性低、技术壁垒难以形成多诸多痛点。而今天小编要给大家推荐的是一个完全
开源
免费的、覆盖人、车、OCR等9大经典识别场景、在CPU上可3毫秒实现急速识别、一行代码...
PaddleClas是百度为工业界和学术界所准备的一个
图像
分类
工具集，使用此工具包便可以简单实现高精度
分类
任务。
本文通过在AIStudio平台建立一个实践项目，来演示PaddleClas的使用。本演示使用的数据集为公开数据集Oxford102FlowersDataset。
一、AIStudio平台建立空项目
首先登录百度AI Studio，创建项目，网址为：https://aistudio.baidu.com/aistudio/projectoverview/public
点击【创建项目...
PyTorch
在torch.nn模块为我们提供了许多常用的损失函数，比如：MSELoss，L1Loss，BCELoss...... 但是随着深度学习的发展，出现了越来越多的非官方提供的Loss，比如DiceLoss，HuberLoss，SobolevLoss...... 这些Loss Function专门针对一些非通用的模型，
PyTorch
不能将他们全部添加到
库
中去，因此这些损失函数的实现则需要我们通过自定义损失函数来实现。
