DeiT

类别： ViT · 代码： timm/models/deit.py · 架构： 16 · 预训练权重： 24（24 个具有 ImageNet-1k 结果）

数据高效图像 Transformer（DeiT）是仅在 ImageNet-1k 上训练的 Vision Transformer，可选地包含一个从 CNN 教师模型学习的蒸馏 token。DeiT III 模型采用改进的训练方案进行训练。

论文

• 通过注意力机制实现数据高效图像 Transformer 训练与蒸馏
• DeiT III：ViT 的复仇

用法

请参阅快速入门了解如何加载预训练权重、进行图像预处理和微调，以及查阅特征提取了解如何将模型用作骨干网络。

>>> import timm
>>> model = timm.create_model('deit_small_distilled_patch16_224.fb_in1k', pretrained=True)
>>> data_config = timm.data.resolve_model_data_config(model)

模型 API 支持

✓ 支持，✓ (square) 仅支持方形尺寸，✗ 不支持，– 无需支持（模型本身已接受任意输入尺寸）。通过在每个功能上运行随机初始化的模型（VisionTransformer 使用 deit_tiny_patch16_224 在 224 上，VisionTransformerDistilled 使用 deit_tiny_distilled_patch16_224 在 224 上）进行验证，同一类的其他架构预计表现相同。有关详细信息，请参阅 Model API 页面。

架构

GMACs 和参数量对应于每种架构的默认输入大小和分类器，数据来自基准测试结果。

预训练权重

Top-1 是 results-imagenet.csv 中在所列评估规模下的 ImageNet-1k 验证准确率，- 表示该权重没有 ImageNet-1k 结果（例如预训练权重或图文权重）。Classes 是预训练分类器的大小，对于没有分类器的权重则为 none。