Bu model 2020-03-30 tarihinde HF papers'ta yayımlanmış ve 2022-04-07 tarihinde Hugging Face Transformers'a katkıda bulunmuştur.

RegNet

Genel Bakış

RegNet modeli, Ilija Radosavovic, Raj Prateek Kosaraju, Ross Girshick, Kaiming He ve Piotr Dollár tarafından Designing Network Design Spaces makalesinde önerilmiştir.

Yazarlar, Sinirsel Mimari Arama (NAS) gerçekleştirmek için arama uzayları tasarlar. Önce yüksek boyutlu bir arama uzayından başlar ve mevcut arama uzayı tarafından örneklenen en iyi performans gösteren modellere dayalı olarak kısıtlamaları deneysel olarak uygulayarak arama uzayını iteratif olarak daraltır.

Makalenin özeti aşağıdaki gibidir:

Bu çalışmada, yeni bir ağ tasarım paradigması sunuyoruz. Amacımız, ağ tasarımına ilişkin anlayışı ilerletmek ve farklı ortamlarda geçerli olan tasarım ilkelerini keşfetmektir. Bireysel ağ örnekleri tasarlamaya odaklanmak yerine, ağ popülasyonlarını parametreleştiren ağ tasarım uzayları tasarlıyoruz. Genel süreç, ağların klasik manuel tasarımına benzer; ancak bu süreç tasarım uzayı düzeyine taşınmıştır. Metodolojimizi kullanarak ağ tasarımının yapısal boyutunu inceliyor ve RegNet olarak adlandırdığımız basit, düzenli ağlardan oluşan düşük boyutlu bir tasarım uzayına ulaşıyoruz. RegNet parametreleştirmesinin temel içgörüsü şaşırtıcı derecede basittir: iyi ağların genişlikleri ve derinlikleri, kuantize edilmiş doğrusal bir fonksiyonla açıklanabilir. RegNet tasarım uzayını analiz ediyoruz ve mevcut ağ tasarım uygulamalarıyla örtüşmeyen ilginç bulgulara ulaşıyoruz. RegNet tasarım uzayı, geniş bir flop aralığında iyi performans gösteren basit ve hızlı ağlar sunar. Karşılaştırılabilir eğitim koşulları ve flop değerlerinde, RegNet modelleri popüler EfficientNet modellerini geride bırakırken GPU'larda 5 kata kadar daha hızlı çalışır.

Bu model Francesco tarafından katkıda bulunmuştur. Orijinal kod burada bulunabilir.

Self-supervised Pretraining of Visual Features in the Wild makalesindeki devasa 10B parametreli model, bir milyar Instagram görseli üzerinde eğitilmiştir ve hub'da kullanılabilir.

Kaynaklar

RegNet ile başlamanıza yardımcı olmak için resmi Hugging Face ve topluluk (🌎 ile belirtilen) kaynaklarının listesi.

• RegNetForImageClassification, bu defter tarafından desteklenmektedir.
• Bkz: Görsel sınıflandırma görevi kılavuzu

Buraya bir kaynak eklemek isterseniz, bir Pull Request açmaktan çekinmeyin; inceleyeceğiz! Kaynağın, mevcut bir kaynağı tekrarlamak yerine ideal olarak yeni bir şeyi göstermesi beklenir.

RegNetConfig

>>> from transformers import RegNetConfig, RegNetModel

>>> # Initializing a RegNet regnet-y-40 style configuration
>>> configuration = RegNetConfig()
>>> # Initializing a model from the regnet-y-40 style configuration
>>> model = RegNetModel(configuration)
>>> # Accessing the model configuration
>>> configuration = model.config

RegNetModel

RegNetForImageClassification

>>> from transformers import AutoImageProcessor, RegNetForImageClassification
>>> import torch
>>> from datasets import load_dataset

>>> dataset = load_dataset("huggingface/cats-image")
>>> image = dataset["test"]["image"][0]

>>> image_processor = AutoImageProcessor.from_pretrained("facebook/regnet-y-040")
>>> model = RegNetForImageClassification.from_pretrained("facebook/regnet-y-040")

>>> inputs = image_processor(image, return_tensors="pt")

>>> with torch.no_grad():
...     logits = model(**inputs).logits

>>> # model predicts one of the 1000 ImageNet classes
>>> predicted_label = logits.argmax(-1).item()
>>> print(model.config.id2label[predicted_label])
...