Kat Tiny Patch16 224.vitft

🚀 kat_tiny_patch16_224.vitft

ImageNet-1k（100万枚の画像、1000クラス）で解像度224x224で学習されたKATモデル。「Kolmogorov–Arnold Transformer」という論文で初めて紹介されました。

🚀 クイックスタート

KATモデルは、TransformerのチャネルミキサーをGroup Rational Kolmogorov–Arnold Network (GR-KAN) で置き換えたモデルです。

✨ 主な機能

• ImageNet-1kデータセットで学習された画像分類モデルです。
• TransformerのチャネルミキサーをGR-KANで置き換えることで、新しいアーキテクチャを実現しています。

📦 インストール

このモデルを使用するには、必要なライブラリをインストールする必要があります。以下のコマンドを使用して、必要なライブラリをインストールできます。

pip install timm torch pillow

💻 使用例

基本的な使用法

from urllib.request import urlopen
from PIL import Image
import timm
import torch
import katransformer

img = Image.open(urlopen(
    'https://huggingface.co/datasets/huggingface/documentation-images/resolve/main/beignets-task-guide.png'
))

# Move model to CUDA
device = torch.device('cuda' if torch.cuda.is_available() else 'cpu')

model = timm.create_model("hf_hub:adamdad/kat_tiny_patch16_224.vitft", pretrained=True)
model = model.to(device)
model = model.eval()

# get model specific transforms (normalization, resize)
data_config = timm.data.resolve_model_data_config(model)
transforms = timm.data.create_transform(**data_config, is_training=False)

output = model(transforms(img).unsqueeze(0).to(device))  # unsqueeze single image into batch of 1

top5_probabilities, top5_class_indices = torch.topk(output.softmax(dim=1) * 100, k=5)
print(top5_probabilities)
print(top5_class_indices)

📚 ドキュメント

モデルの定義は、https://github.com/Adamdad/kat の katransformer.py にあります。

📄 ライセンス

このモデルは、Apache-2.0ライセンスの下で提供されています。

🔧 技術詳細

Bibtex

@misc{yang2024compositional,
    title={Kolmogorov–Arnold Transformer},
    author={Xingyi Yang and Xinchao Wang},
    year={2024},
    eprint={XXXX},
    archivePrefix={arXiv},
    primaryClass={cs.CV}
}