Rexnet2 0x

🚀 ReXNet-2.0xモデル

このモデルはImageNetteデータセットで事前学習されています。ReXNetアーキテクチャはこの論文で初めて提案されました。主に画像分類タスクに使用され、カスタマイズされたSqueeze - Excitation層を利用して、チャネルの冗長性の問題を効果的に回避します。

🚀 クイックスタート

ReXNet - 2.0xモデルは、ImageNetteデータセットで学習された事前学習済みの画像分類モデルです。以下の手順に従って、このモデルをインストールして使用することができます。

✨ 主な機能

• 事前学習：ImageNetteデータセットで事前学習されています。
• 革新的なアーキテクチャ：著者の核となるアイデアは、残差ブロックにカスタマイズされたSqueeze - Excitation層を追加して、チャネルの冗長性を防ぐことです。

📦 インストール

前提条件

Holocronをインストールするには、Python 3.6（またはそれ以上のバージョン）とpip/condaが必要です。

最新の安定版

pypiを使用して、このパッケージの最新の安定版をインストールすることができます。以下のコマンドを実行してください：

pip install pylocron

または、condaを使用してインストールすることもできます：

conda install -c frgfm pylocron

開発モード

プロジェクトでまだリリースされていない最新の機能を使用したい場合は、ソースコードからパッケージをインストールすることができます（まずGitをインストールしてください）：

git clone https://github.com/frgfm/Holocron.git
pip install -e Holocron/.

💻 使用例

基本的な使用法

from PIL import Image
from torchvision.transforms import Compose, ConvertImageDtype, Normalize, PILToTensor, Resize
from torchvision.transforms.functional import InterpolationMode
from holocron.models import model_from_hf_hub

model = model_from_hf_hub("frgfm/rexnet2_0x").eval()

img = Image.open(path_to_an_image).convert("RGB")

# 前処理
config = model.default_cfg
transform = Compose([
    Resize(config['input_shape'][1:], interpolation=InterpolationMode.BILINEAR),
    PILToTensor(),
    ConvertImageDtype(torch.float32),
    Normalize(config['mean'], config['std'])
])

input_tensor = transform(img).unsqueeze(0)

# 推論
with torch.inference_mode():
    output = model(input_tensor)
probs = output.squeeze(0).softmax(dim=0)

📚 ドキュメント

モデルの説明

著者の核となるアイデアは、残差ブロックにカスタマイズされたSqueeze - Excitation層を追加して、チャネルの冗長性を防ぐことです。

📄 ライセンス

このプロジェクトはApache - 2.0ライセンスの下で提供されています。

📚 引用

原論文

@article{DBLP:journals/corr/abs-2007-00992,
  author    = {Dongyoon Han and
               Sangdoo Yun and
               Byeongho Heo and
               Young Joon Yoo},
  title     = {ReXNet: Diminishing Representational Bottleneck on Convolutional Neural
               Network},
  journal   = {CoRR},
  volume    = {abs/2007.00992},
  year      = {2020},
  url       = {https://arxiv.org/abs/2007.00992},
  eprinttype = {arXiv},
  eprint    = {2007.00992},
  timestamp = {Mon, 06 Jul 2020 15:26:01 +0200},
  biburl    = {https://dblp.org/rec/journals/corr/abs-2007-00992.bib},
  bibsource = {dblp computer science bibliography, https://dblp.org}
}

本実装のソース

@software{Fernandez_Holocron_2020,
author = {Fernandez, François - Guillaume},
month = {5},
title = {{Holocron}},
url = {https://github.com/frgfm/Holocron},
year = {2020}
}