Repvgg A0

🚀 RepVGG - A0モデル

このモデルは、ImageNetteで事前学習されています。RepVGGアーキテクチャは、この論文で導入されました。このモデルは画像分類タスクに適しており、PytorchやONNXといったフレームワークで利用できます。

🚀 クイックスタート

RepVGG - A0モデルは、画像分類タスクに使用できる事前学習済みモデルです。このモデルは、トレーニングアーキテクチャと推論アーキテクチャを分離することで、効率的な学習と推論を可能にしています。

✨ 主な機能

• トレーニングアーキテクチャと推論アーキテクチャを分離することで、効率的な学習と推論を実現。
• 残差ブロックを設計することで、トレーニングアーキテクチャを単純な畳み込みと非線形活性化のシーケンスに再パラメータ化できる。

📦 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）とpip/condaが必要です。

最新の安定版

pypiを使用して、パッケージの最後の安定版をインストールできます。

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

開発者モード

また、まだリリースされていないプロジェクトの最新機能を使用したい場合は、ソースからパッケージをインストールできます（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/repvgg_a0").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

著者の核心的なアイデアは、トレーニングアーキテクチャ（ショートカット接続を持つ）と推論アーキテクチャ（純粋なハイウェイネットワーク）を区別することです。残差ブロックを設計することで、トレーニングアーキテクチャを単純な畳み込みと非線形活性化のシーケンスに再パラメータ化できます。

📄 ライセンス

このプロジェクトは、Apache - 2.0ライセンスの下で公開されています。

📚 引用

元論文

@article{DBLP:journals/corr/abs-2101-03697,
  author    = {Xiaohan Ding and
               Xiangyu Zhang and
               Ningning Ma and
               Jungong Han and
               Guiguang Ding and
               Jian Sun},
  title     = {RepVGG: Making VGG-style ConvNets Great Again},
  journal   = {CoRR},
  volume    = {abs/2101.03697},
  year      = {2021},
  url       = {https://arxiv.org/abs/2101.03697},
  eprinttype = {arXiv},
  eprint    = {2101.03697},
  timestamp = {Tue, 09 Feb 2021 15:29:34 +0100},
  biburl    = {https://dblp.org/rec/journals/corr/abs-2101-03697.bib},
  bibsource = {dblp computer science bibliography, https://dblp.org}
}

この実装のソース

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