Resnet34

🚀 ResNet-34模型

該模型在ImageNette數據集上進行了預訓練，ResNet架構在 這篇論文 中被提出，可用於圖像分類任務。

🚀 快速開始

本項目提供了一個基於ResNet-34架構的預訓練模型，可用於圖像分類任務。它在ImageNette數據集上進行了預訓練，你可以根據自己的需求進行微調或直接使用。

✨ 主要特性

• 預訓練模型：在ImageNette數據集上進行了預訓練，可快速應用於圖像分類任務。
• 多種安裝方式：支持通過pypi、conda以及從源代碼安裝。
• 易於使用：提供了詳細的使用示例，方便用戶快速上手。

📦 安裝指南

前提條件

安裝Holocron需要Python 3.6（或更高版本）以及 pip/conda。

最新穩定版本

你可以使用 pypi 安裝該包的最新穩定版本，命令如下：

pip install pylocron

或者使用 conda 安裝：

conda install -c frgfm pylocron

開發者模式

如果你想使用項目中尚未發佈的最新功能，可以從源代碼安裝該包（請先安裝 Git）：

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

💻 使用示例

基礎用法

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/resnet34").eval()

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

# 預處理
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)

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

📚 詳細文檔

模型描述

作者的核心思想是通過添加跳躍連接（skip connection）來幫助梯度在眾多層中傳播。

📄 許可證

本項目採用Apache-2.0許可證。

📚 引用

原論文

@article{DBLP:journals/corr/HeZRS15,
  author    = {Kaiming He and
               Xiangyu Zhang and
               Shaoqing Ren and
               Jian Sun},
  title     = {Deep Residual Learning for Image Recognition},
  journal   = {CoRR},
  volume    = {abs/1512.03385},
  year      = {2015},
  url       = {http://arxiv.org/abs/1512.03385},
  eprinttype = {arXiv},
  eprint    = {1512.03385},
  timestamp = {Wed, 17 Apr 2019 17:23:45 +0200},
  biburl    = {https://dblp.org/rec/journals/corr/HeZRS15.bib},
  bibsource = {dblp computer science bibliography, https://dblp.org}
}

本實現的來源

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