Transformers documentation

Backbone

You are viewing main version, which requires installation from source. If you'd like regular pip install, checkout the latest stable version (v5.23.0).
Hugging Face's logo
Join the Hugging Face community

and get access to the augmented documentation experience

to get started

Backbone

Backbone은 객체 감지 및 이미지 분류와 같은 고급 컴퓨터 비전 작업을 위한 특징 추출에 사용되는 모델입니다. Transformers는 사전 학습된 모델 가중치로부터 Transformers backbone을 초기화하기 위한 AutoBackbone 클래스와 두 가지 유틸리티 클래스를 제공합니다:

  • BackboneMixin은 Transformers 또는 timm에서 백본을 초기화할 수 있게 하며, 출력 특징과 인덱스를 반환하는 함수를 포함합니다.
  • BackboneConfigMixin은 백본 구성의 출력 특징 및 인덱스를 설정합니다.

timm 모델은 TimmBackbone 및 TimmBackboneConfig 클래스를 통해 로드됩니다.

다음 모델에 대해 Backbones이 지원됩니다:

AutoBackbone

클래스 transformers.AutoBackbone

< >

( *args**kwargs )

BackboneMixin

class transformers.BackboneMixin

< >

( *args**kwargs )

post_init

< >

( )

post_init를 오버라이드하여 캡처 훅을 항상 설치합니다. 백본은 항상 출력을 캡처하기 때문입니다. 모듈이 이미 인스턴스화되어 있어야 하므로 post_init에서 수행해야 합니다. 이는 torch.compile과의 혼동을 방지합니다. 첫 번째 훅 설치 시 그래프 브레이크가 필요하거나 생성되며, 이는 model = torch.compile(model...)와 같은 외부 사용자 호출과 충돌할 수 있기 때문입니다.

BackboneConfigMixin

class transformers.BackboneConfigMixin

< >

( )

backbone 구성에서 out_features 및 out_indices 속성을 처리하도록 지원하는 Mixin입니다.

set_output_features_output_indices

< >

( out_features: list | Noneout_indices: list | None )

매개변수

  • out_features (list[str], 선택 사항) — backbone이 출력할 feature의 이름입니다. 제공되지 않으면 기본값으로 config._out_features를 사용합니다.
  • out_indices (list[int] 또는 tuple[int], 선택 사항) — backbone이 출력할 feature의 인덱스입니다. 제공되지 않으면 기본값으로 config._out_indices를 사용합니다.

출력 인덱스와 특징을 새로운 값으로 설정하고, 주어진 stage_names와 정렬합니다. 입력 중 하나가 제공되지 않은 경우, 주어진 stage_names에 해당하는 out_features 또는 out_indices를 찾습니다.

to_dict

< >

( )

이 인스턴스를 Python 딕셔너리로 직렬화합니다. out_features 및 out_indices 속성을 포함하도록 PreTrainedConfig의 기본 to_dict()를 오버라이드합니다.

verify_out_features_out_indices

< >

( )

stage_names에 대해 out_indices와 out_features가 유효한지 확인합니다.

TimmBackbone

class transformers.TimmBackbone

< >

( config: TimmBackboneConfig**kwargs )

timm 모델을 백본으로 사용하도록 래핑하는 클래스입니다. 이를 통해 라이브러리 내의 다른 모델과 동일한 API를 유지하면서 timm 모델을 상호 교환적으로 사용할 수 있습니다.

TimmBackboneConfig

클래스 transformers.TimmBackboneConfig

< >

( transformers_version: str | None = Nonearchitectures: list[str] | None = Noneoutput_hidden_states: bool | None = Falsereturn_dict: bool | None = Truedtype: str | torch.dtype | None = Nonechunk_size_feed_forward: int = 0is_encoder_decoder: bool = Falseid2label: dict[int, str] | dict[str, str] | None = Nonelabel2id: dict[str, int] | dict[str, str] | None = Noneproblem_type: Literal['regression', 'single_label_classification', 'multi_label_classification'] | None = Nonebackbone: str | None = Nonenum_channels: int = 3features_only: bool = True_out_indices: list[int] | None = Nonefreeze_batch_norm_2d: bool = Falseoutput_stride: int | None = None )

매개변수

  • backbone (str, 선택 사항) — 로드할 timm 체크포인트입니다.
  • num_channels (int, 선택 사항, 기본값 3) — 입력 채널의 수입니다.
  • features_only (bool, 선택 사항, 기본값 True) — logits를 포함하여 출력할지, features만 출력할지를 결정합니다.
  • freeze_batch_norm_2d (bool, 선택 사항, 기본값 False) — 제공된 모듈의 모든 BatchNorm2d 및 SyncBatchNorm 레이어를 FrozenBatchNorm2d로 변환합니다.
  • output_stride (int, 선택 사항) — 입력 및 출력 특징 맵의 공간 해상도 비율입니다.

이것은 TimmBackbone의 구성을 저장하기 위한 구성 클래스입니다. 지정된 인자에 따라 Timm Backbone 모델을 인스턴스화하여 모델 아키텍처를 정의하는 데 사용됩니다. 기본값으로 구성을 인스턴스화하면 와 유사한 구성이 생성됩니다.

Configuration 객체는 PreTrainedConfig를 상속하며 모델 출력을 제어하는 데 사용할 수 있습니다. 자세한 내용은 PreTrainedConfig의 문서를 참고하세요.

예:

>>> 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
Update on GitHub