🚀 ReXNet-1.3x模型

本模型在ImageNette数据集上进行了预训练。ReXNet架构在这篇论文中被提出，可用于图像分类任务。

🚀 快速开始

本模型基于PyTorch和ONNX，在frgfm/imagenette数据集上进行预训练，可用于图像分类任务。

✨ 主要特性

作者的核心思想是在残差块中添加自定义的Squeeze-Excitation层，以避免通道冗余。

📦 安装指南

前提条件

安装Holocron需要Python 3.6（或更高版本）以及 pip 或 conda。

最新稳定版本

你可以使用 pypi 安装该包的最新稳定版本，命令如下：

pip install pylocron

或者使用 conda 安装：

conda install -c frgfm pylocron

开发模式

如果你想使用该项目尚未发布的最新功能，可以从源代码安装该包（请先安装 Git）：

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

💻 使用示例

基础用法

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/rexnet1_3x").eval()

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

# 预处理
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)

📚 详细文档

引用信息

原论文

@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}
}

本实现的来源

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

📄 许可证

本项目采用Apache-2.0许可证。