本例提取了植物幼苗数据集中的部分数据做数据集，数据集共有12种类别，演示如何使用timm版本的Swin Transformer图像分类模型实现分类任务已经对验证集得分的统计，本文实现了多个GPU并行训练。
通过本文你和学到：
1、如何从timm调用模型、loss和Mixup？
2、如何制作ImageNet数据集？
3、如何使用Cutout数据增强？
4、如何使用Mixup数据增强。
5、如何实现多个GPU训练和验证。
6、如何使用余弦退火调整学习率？
7、如何使用classification_report实现对模型的评价。
8、预测的两种写法。
2022-02-24 09:11:40
930.94MB
Swin-Transformer+gradcam可视化代码+Windows环境
2022-01-18 18:00:26
205.75MB
1
Swin-Transformer图像分类实战，详见文章：https://blog.csdn.net/hhhhhhhhhhwwwwwwwwww/article/details/121744503?spm=1001.2014.3001.5501
2021-12-06 16:05:34
916.69MB
swin-timesformer
一个简单的滑动窗口Timesformer
2021-11-12 09:47:12
3KB
1
变形金刚
作者：*，*，*，*，，，和。
此回购协议是的正式实现。 当前，它包含用于以下任务的代码和模型：
图像分类：包含在此仓库中。 有关快速，请参见 。
对象检测和实例分割：有关对象检测，请参见 。
语义分割：有关语义分割的信息，请参见 。
更新
2021年4月12日
初始提交：
提供了ImageNet-1K（ ， ， ）和ImageNet-22K（ ， ）上。
提供了用于ImageNet-1K图像分类，COCO对象检测和ADE20K语义分割的受支持代码和模型。
在分支提供了用于的cuda内核实现。
介绍
欧亚变压器（名称Swin代表对于s hifted赢得DOW）最初描述 ，其干练作为一个通用的骨干，为计算机视觉。 它基本上是一个分层的Transformer，其表示是通过移动窗口来计算的。 通过将自注意计算限制为不重叠的局部窗口，同时允许跨窗口连接，移位的窗
2021-10-29 11:18:31
927KB
1
Swin变形金刚-PyTorch
体系结构的实现。 本文介绍了一种称为Swin Transformer的新型视觉变形金刚，它可以用作计算机视觉的通用骨干。 在两个领域之间的差异，例如视觉实体规模的巨大差异以及与文字中的单词相比，图像中像素的高分辨率，带来了使Transformer从语言适应视觉方面的挑战。 为了解决这些差异，我们提出了一个分层的Transformer，其表示是通过移动窗口来计算的。 通过将自注意计算限制为不重叠的局部窗口，同时允许跨窗口连接，移位的加窗方案带来了更高的效率。 这种分层体系结构具有在各种规模上建模的灵活性，并且相对于图像大小具有线性计算复杂性。 Swin Transformer的这些品质使其可与多种视觉任务兼容，包括图像分类（ImageNet-1K的准确度为86.4 top-1）和密集的预测任务，例如目标检测（COCO测试中为58.7框式AP和51.1遮罩式
2021-09-18 18:50:03
189KB
1