Resnet26

🚀 ResNet26

ResNet26は、Deep Residual Learning for Image Recognitionで提案されたResNetの実装です。画像分類タスクに特化したモデルで、imagenetデータセットで訓練されています。

🚀 クイックスタート

ResNet26を使うことで、画像分類タスクを効率的に行うことができます。以下に基本的な使用方法を示します。

💻 使用例

基本的な使用法

ResNet.resnet18()
ResNet.resnet26()
ResNet.resnet34()
ResNet.resnet50()
ResNet.resnet101()
ResNet.resnet152()
ResNet.resnet200()

Variants (d) proposed in `Bag of Tricks for Image Classification with Convolutional Neural Networks <https://arxiv.org/pdf/1812.01187.pdf`_

ResNet.resnet26d()
ResNet.resnet34d()
ResNet.resnet50d()
# You can construct your own one by chaning `stem` and `block`
resnet101d = ResNet.resnet101(stem=ResNetStemC, block=partial(ResNetBottleneckBlock, shortcut=ResNetShorcutD))

高度な使用法

# 活性化関数の変更
ResNet.resnet18(activation = nn.SELU)
# クラス数の変更 (デフォルトは1000)
ResNet.resnet18(n_classes=100)
# 異なるブロックを渡す
ResNet.resnet18(block=SENetBasicBlock)
# ステムの変更
model = ResNet.resnet18(stem=ResNetStemC)
# ショートカットの変更
model = ResNet.resnet18(block=partial(ResNetBasicBlock, shortcut=ResNetShorcutD))
# 各特徴を保存
x = torch.rand((1, 3, 224, 224))
# 特徴を取得
model = ResNet.resnet18()
# 最初に.featuresを呼び出す。これにより、フォワードフックがアクティブになり、特徴を取得することをモデルに伝えます。
model.encoder.features
model(torch.randn((1,3,224,224)))
# エンコーダから特徴を取得
features = model.encoder.features
print([x.shape for x in features])
#[torch.Size([1, 64, 112, 112]), torch.Size([1, 64, 56, 56]), torch.Size([1, 128, 28, 28]), torch.Size([1, 256, 14, 14])]

📄 ライセンス

このプロジェクトは、Apache-2.0ライセンスの下で公開されています。