🚀 ResNet-18模型

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

🚀 快速开始

ResNet-18模型在图像分类领域表现出色，它基于ResNet架构，通过预训练能对图像进行高效准确的分类。使用前需完成安装，安装完成后可参考使用示例进行图像分类任务。

✨ 主要特性

• 预训练模型：在ImageNette数据集上进行了预训练，可直接用于图像分类任务。
• 架构创新：作者的核心思想是通过添加跳跃连接（skip connection）来帮助梯度在众多层中传播，有效缓解了梯度消失问题。

📦 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中尚未发布的最新功能，可以从源代码安装该包（需先安装 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/resnet18").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

原论文详细介绍了ResNet架构的原理和实验结果，你可以通过以下链接查看：

• 原论文：Deep Residual Learning for Image Recognition

📄 许可证

本项目采用Apache-2.0许可证。

📖 引用

如果你使用了该模型或代码，请引用以下论文和项目：

原论文

@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}
}