【免费下载链接】internimage_b_1k_224项目地址https://ai.gitcode.com/OpenGVLab/internimage_b_1k_224点击查看免费下载InternImage 是由上海人工智能实验室等机构研发的视觉基础模型以可变形卷积 DCNv3 为核心算子internimage_b_1k_224 是其 9700 万参数的 B 尺寸图像分类模型在 ImageNet-1K 上达到 84.9% 的 Top-1 精度。本教程带你在 5 分钟内完成环境安装、一行代码加载模型、跑通一次真实的图像分类任务。⚡ 先认识模型InternImage 凭什么强与主流基于 Transformer 的视觉模型不同InternImage 用DCNv3第三代可变形卷积作为核心算子能获得动态且有效的感受野实现自适应的空间聚合。指标数值模型规模97M 参数输入分辨率224×224计算量16G FLOPsImageNet-1K Top-184.9%分类类别数1000它在全球 16 个视觉基准分类、检测、分割上取得最佳表现是目前开源中规模百 M 级里性价比极高的骨干网络。 第1步环境准备约1分钟本模型基于 Transformers 框架分发并附带自定义建模代码因此只需安装三个核心依赖pip install transformers torch timm 提示modeling_internimage.py中用到了 timm 提供的DropPath层所以 timm 是必装依赖缺了会报导入错误。模型权重、配置文件和预处理参数都包含在模型仓库内无需手动下载任何文件。 第2步一行代码跑通图像分类约3分钟以下是最简完整示例——加载模型、预处理图片、输出预测类别import torch from PIL import Image from transformers import AutoModelForImageClassification, CLIPImageProcessor model_name OpenGVLab/internimage_b_1k_224 # 加载图像处理器自动完成 224×224 缩放与 ImageNet 均值/方差归一化 image_processor CLIPImageProcessor.from_pretrained(model_name) # 加载图像分类模型 model AutoModelForImageClassification.from_pretrained(model_name, trust_remote_codeTrue) # 打开一张图片并完成预处理 image Image.open(img.png) pixel_values image_processor(imagesimage, return_tensorspt).pixel_values # 推理并获取预测类别 logits model(pixel_values).logits label torch.argmax(logits, dim1).item() print(预测的 ImageNet 类别编号:, label)运行后你会得到一个 0~999 的类别编号它对应 ImageNet-1K 数据集中的 1000 个物体类别。想用 GPU 加速只需两行model.to(cuda) pixel_values pixel_values.to(cuda) 进阶用法把 InternImage 当特征骨干除了直接分类你还可以把模型当作特征提取器拿到 4 个阶段的特征图用于检测、分割等下游任务from transformers import AutoModel model AutoModel.from_pretrained(model_name, trust_remote_codeTrue) hidden_states model(pixel_values).hidden_states # 4 个阶段的特征图这一用法在 README 的 Example 1: Using InternImage as an Image Backbone 一节中有完整示例。 模型仓库里的文件都做什么整个仓库结构非常小巧各文件分工如下config.json模型架构配置。可以看到depths为[4, 4, 21, 4]、channels为 112、num_classes为 1000这正是 B 尺寸的定义configuration_internimage.py配置类InternImageConfig定义所有超参数的默认值modeling_internimage.py核心建模代码包含InternImageModel骨干和InternImageModelForImageClassification分类头两个模型类dcnv3.pyDCNv3 算子的 CUDA 版本封装与 PyTorch 纯 Python 实现dcnv3_func.pyDCNv3 的 PyTorch 参考实现未装 CUDA kernel 时自动回退使用preprocessor_config.json预处理参数即 224 缩放、ImageNet 标准均值/方差归一化model.safetensors模型权重文件 常见疑问与避坑指南为什么必须加trust_remote_codeTrue因为模型仓库携带了 transformers 官方库之外的自定义代码modeling_internimage.py 等加载时需要信任并执行这些代码否则无法实例化模型。没有 GPU / 没装 DCNv3 CUDA 内核能跑吗完全可以。如 dcnv3.py 中的检测逻辑所示未编译 CUDA 版本时会自动回退到 PyTorch 实现CPU 也可运行只是显存占用更高、推理速度较慢。追求效率时可自行编译 DCNv3 CUDA 内核装好后模型会自动启用。预测结果和真实物体对不上注意输出是 ImageNet 的 1000 个类别编号需要用 ImageNet 类别表做映射。同时请确保输入图片主体清晰——224×224 的输入分辨率对背景复杂的图片有一定信息损失。总结用一句话概括本教程pip install transformers torch timm然后用AutoModelForImageClassification加上trust_remote_codeTrue加载 OpenGVLab/internimage_b_1k_2245 分钟即可拿到一张图片的 ImageNet 分类结果。97M 的参数量、84.9% 的精度和 Transformers 无缝集成让 InternImage-B 成为图像分类入门与二次开发的理想选择。赞分享【免费下载链接】internimage_b_1k_224项目地址https://ai.gitcode.com/OpenGVLab/internimage_b_1k_224点击查看免费下载相关推荐5分钟快速上手pvt_v2_b3用Hugging Face Transformers跑通图像分类推理5分钟快速上手pvt_v2_b3用Hugging Face Transformers跑通图像分类推理 pvt_v2_b3 是 OpenGVLab 官方发布的mobx-state-tree 动作录制与重放实战IActionRecorder 接口全解析mobx state tree 动作录制与重放实战IActionRecorder 接口全解析 IActionRecorder 是 mobx state tre5分钟跑通第一次图像分类internimage_xl_22k_384 transformers快速入门完整教程5分钟跑通第一次图像分类internimage_xl_22k_384 transformers快速入门完整教程 本教程带你用 5 分钟基于 internima创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 【免费下载链接】internimage_b_1k_224项目地址https://ai.gitcode.com/OpenGVLab/internimage_b_1k_224点击查看免费下载InternImage 是由上海人工智能实验室等机构研发的视觉基础模型以可变形卷积 DCNv3 为核心算子internimage_b_1k_224 是其 9700 万参数的 B 尺寸图像分类模型在 ImageNet-1K 上达到 84.9% 的 Top-1 精度。本教程带你在 5 分钟内完成环境安装、一行代码加载模型、跑通一次真实的图像分类任务。⚡ 先认识模型InternImage 凭什么强与主流基于 Transformer 的视觉模型不同InternImage 用DCNv3第三代可变形卷积作为核心算子能获得动态且有效的感受野实现自适应的空间聚合。指标数值模型规模97M 参数输入分辨率224×224计算量16G FLOPsImageNet-1K Top-184.9%分类类别数1000它在全球 16 个视觉基准分类、检测、分割上取得最佳表现是目前开源中规模百 M 级里性价比极高的骨干网络。 第1步环境准备约1分钟本模型基于 Transformers 框架分发并附带自定义建模代码因此只需安装三个核心依赖pip install transformers torch timm 提示modeling_internimage.py中用到了 timm 提供的DropPath层所以 timm 是必装依赖缺了会报导入错误。模型权重、配置文件和预处理参数都包含在模型仓库内无需手动下载任何文件。 第2步一行代码跑通图像分类约3分钟以下是最简完整示例——加载模型、预处理图片、输出预测类别import torch from PIL import Image from transformers import AutoModelForImageClassification, CLIPImageProcessor model_name OpenGVLab/internimage_b_1k_224 # 加载图像处理器自动完成 224×224 缩放与 ImageNet 均值/方差归一化 image_processor CLIPImageProcessor.from_pretrained(model_name) # 加载图像分类模型 model AutoModelForImageClassification.from_pretrained(model_name, trust_remote_codeTrue) # 打开一张图片并完成预处理 image Image.open(img.png) pixel_values image_processor(imagesimage, return_tensorspt).pixel_values # 推理并获取预测类别 logits model(pixel_values).logits label torch.argmax(logits, dim1).item() print(预测的 ImageNet 类别编号:, label)运行后你会得到一个 0~999 的类别编号它对应 ImageNet-1K 数据集中的 1000 个物体类别。想用 GPU 加速只需两行model.to(cuda) pixel_values pixel_values.to(cuda) 进阶用法把 InternImage 当特征骨干除了直接分类你还可以把模型当作特征提取器拿到 4 个阶段的特征图用于检测、分割等下游任务from transformers import AutoModel model AutoModel.from_pretrained(model_name, trust_remote_codeTrue) hidden_states model(pixel_values).hidden_states # 4 个阶段的特征图这一用法在 README 的 Example 1: Using InternImage as an Image Backbone 一节中有完整示例。 模型仓库里的文件都做什么整个仓库结构非常小巧各文件分工如下config.json模型架构配置。可以看到depths为[4, 4, 21, 4]、channels为 112、num_classes为 1000这正是 B 尺寸的定义configuration_internimage.py配置类InternImageConfig定义所有超参数的默认值modeling_internimage.py核心建模代码包含InternImageModel骨干和InternImageModelForImageClassification分类头两个模型类dcnv3.pyDCNv3 算子的 CUDA 版本封装与 PyTorch 纯 Python 实现dcnv3_func.pyDCNv3 的 PyTorch 参考实现未装 CUDA kernel 时自动回退使用preprocessor_config.json预处理参数即 224 缩放、ImageNet 标准均值/方差归一化model.safetensors模型权重文件 常见疑问与避坑指南为什么必须加trust_remote_codeTrue因为模型仓库携带了 transformers 官方库之外的自定义代码modeling_internimage.py 等加载时需要信任并执行这些代码否则无法实例化模型。没有 GPU / 没装 DCNv3 CUDA 内核能跑吗完全可以。如 dcnv3.py 中的检测逻辑所示未编译 CUDA 版本时会自动回退到 PyTorch 实现CPU 也可运行只是显存占用更高、推理速度较慢。追求效率时可自行编译 DCNv3 CUDA 内核装好后模型会自动启用。预测结果和真实物体对不上注意输出是 ImageNet 的 1000 个类别编号需要用 ImageNet 类别表做映射。同时请确保输入图片主体清晰——224×224 的输入分辨率对背景复杂的图片有一定信息损失。总结用一句话概括本教程pip install transformers torch timm然后用AutoModelForImageClassification加上trust_remote_codeTrue加载 OpenGVLab/internimage_b_1k_2245 分钟即可拿到一张图片的 ImageNet 分类结果。97M 的参数量、84.9% 的精度和 Transformers 无缝集成让 InternImage-B 成为图像分类入门与二次开发的理想选择。赞分享【免费下载链接】internimage_b_1k_224项目地址https://ai.gitcode.com/OpenGVLab/internimage_b_1k_224点击查看免费下载相关推荐5分钟快速上手pvt_v2_b3用Hugging Face Transformers跑通图像分类推理5分钟快速上手pvt_v2_b3用Hugging Face Transformers跑通图像分类推理 pvt_v2_b3 是 OpenGVLab 官方发布的mobx-state-tree 动作录制与重放实战IActionRecorder 接口全解析mobx state tree 动作录制与重放实战IActionRecorder 接口全解析 IActionRecorder 是 mobx state tre5分钟跑通第一次图像分类internimage_xl_22k_384 transformers快速入门完整教程5分钟跑通第一次图像分类internimage_xl_22k_384 transformers快速入门完整教程 本教程带你用 5 分钟基于 internima创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考