Backbone

backbone（骨幹網路）是一個用於提取特徵的模型，用於更高級別的計算機視覺任務，如目標檢測和影像分類。Transformers 提供了一個 AutoBackbone 類，用於從預訓練模型的權重初始化 Transformers 的 backbone，以及兩個實用工具類：

BackboneMixin 允許從 Transformers 或 timm 初始化 backbone，幷包含用於返回輸出特徵和索引的函式。
BackboneConfigMixin 用於設定 backbone 配置的輸出特徵和索引。

timm 模型透過 TimmBackbone 和 TimmBackboneConfig 類載入。

以下模型支援 Backbones：

AutoBackbone

class transformers.AutoBackbone

< source >

( *args **kwargs )

BackboneMixin

class transformers.utils.BackboneMixin

< source >

( )

to_dict

< source >

( )

將此例項序列化為 Python 字典。重寫 `PretrainedConfig` 中的預設 `to_dict()` 方法，以包含 `out_features` 和 `out_indices` 屬性。

BackboneConfigMixin

class transformers.utils.BackboneConfigMixin

< source >

( )

一個 Mixin，用於支援處理 backbone 配置中的 `out_features` 和 `out_indices` 屬性。

to_dict

< source >

( )

將此例項序列化為 Python 字典。重寫 `PretrainedConfig` 中的預設 `to_dict()` 方法，以包含 `out_features` 和 `out_indices` 屬性。

TimmBackbone

class transformers.TimmBackbone

< source >

( config **kwargs )

用於 timm 模型的包裝類，可作為 backbones 使用。這使得 timm 模型可以與庫中的其他模型互換使用，並保持相同的 API。

TimmBackboneConfig

class transformers.TimmBackboneConfig

< source >

( backbone = None num_channels = 3 features_only = True use_pretrained_backbone = True out_indices = None freeze_batch_norm_2d = False **kwargs )

引數

backbone (str, optional) — 要載入的 timm checkpoint。
num_channels (int, optional, defaults to 3) — 輸入通道的數量。
features_only (bool, optional, defaults to True) — 是否只輸出特徵，還是同時輸出 logits。
use_pretrained_backbone (bool, optional, defaults to True) — 是否使用預訓練的 backbone。
out_indices (list[int], optional) — 如果用作 backbone，則為要輸出的特徵索引列表。可以是 0、1、2 等（取決於模型有多少個階段）。如果未設定，則預設為最後一個階段。
freeze_batch_norm_2d (bool, optional, defaults to False) — 將所提供模組的所有 `BatchNorm2d` 和 `SyncBatchNorm` 層轉換為 `FrozenBatchNorm2d`。

這是用於儲存 timm backbone TimmBackbone 配置的配置類。

它用於根據指定的引數例項化一個 timm backbone 模型，從而定義模型。

配置物件繼承自 PretrainedConfig，可用於控制模型輸出。有關更多資訊，請閱讀 PretrainedConfig 的文件。

示例

>>> from transformers import TimmBackboneConfig, TimmBackbone

>>> # Initializing a timm backbone
>>> configuration = TimmBackboneConfig("resnet50")

>>> # Initializing a model from the configuration
>>> model = TimmBackbone(configuration)

>>> # Accessing the model configuration
>>> configuration = model.config

< > 在 GitHub 上更新