保姆级教程:从Hugging Face免费获取并本地部署convformer_s18.sail_in22k_ft_in1k

原创2026-10-20 14:36:531,748 阅读

保姆级教程:从Hugging Face免费获取并本地部署convformer_s18.sail_in22k_ft_in1k

本教程带你免费获取并本地部署图像分类模型 convformer_s18.sail_in22k_ft_in1k。这是 timm 库收录的一款 ConvFormer 视觉模型,由 MetaFormer 作者团队(sail-sg)基于 ImageNet-22k 预训练、并在 ImageNet-1k 上微调,可直接用于 1000 类图像分类、特征提取与图像向量(Embedding)任务,完全免费开放使用。

一、convformer_s18.sail_in22k_ft_in1k 是什么?

ConvFormer 是 MetaFormer 家族中的一个变体,结合了卷积局部特征提取与Transformer 风格的全局建模,兼顾精度与速度。

模型核心指标一览:

指标 数值
参数量 26.8 M
计算量(GMACs) 4.0
激活值(M) 15.8
输入尺寸 224 × 224
分类类别数 1000(ImageNet-1k)
预训练数据集 ImageNet-22k
许可证 Apache-2.0(可商用)

📌 轻量(不到 27M 参数)+ Apache-2.0 开源协议,非常适合新手作为第一个部署的视觉模型。

二、仓库结构一览

克隆下来的仓库非常精简,只有 4 个文件,各司其职:

文件 作用
README.md 模型卡片:模型详情、使用示例、论文引用
config.json 模型结构配置:类别数、特征数、输入尺寸、归一化均值/方差等
model.safetensors 模型权重文件(safetensors 格式,加载更快更安全)
pytorch_model.bin 模型权重文件(PyTorch 传统格式)

从 config.json 可以看到关键配置:架构为 convformer_s18,num_classes 为 1000,输入尺寸为 3×224×224,归一化均值与标准差为常见的 ImageNet 参数。

三、第一步:免费克隆模型仓库

打开终端,执行以下命令即可免费获取全部模型文件:

git clone https://gitcode.com/hf_mirrors/timm/convformer_s18.sail_in22k_ft_in1k

克隆完成后,目录下即包含 README.md、config.json 及两份权重文件,可离线保存或备份到自己的服务器。

四、第二步:安装 timm 并跑通图像分类推理

🚀 部署的核心只有一行代码:通过 timm.create_model 按名称加载模型,权重会自动从 Hugging Face 下载并缓存到本地。

pip install timm

推理脚本示例(对应 README.md 中的 Image Classification 部分):

from PIL import Image
import timm
import torch

img = Image.open("cat.jpg")

# 一行加载模型,pretrained=True 自动下载权重
model = timm.create_model('convformer_s18.sail_in22k_ft_in1k', pretrained=True)
model.eval()

# 获取模型专属的预处理参数(尺寸、归一化)
data_config = timm.data.resolve_model_data_config(model)
transforms = timm.data.create_transform(**data_config, is_training=False)

output = model(transforms(img).unsqueeze(0))
top5_probs, top5_idx = torch.topk(output.softmax(dim=1) * 100, k=5)

for p, i in zip(top5_probs[0], top5_idx[0]):
    print(i.item(), f"{p:.2f}%")

运行后即可输出 Top-5 分类结果(ImageNet-1k 的 1000 个类别)。

五、第三步:进阶用法——特征提取与图像向量

同一模型还支持两种进阶模式:

  • 特征图提取:features_only=True,输出 4 个层级的特征图,形状依次为 64×56×56、128×28×28、320×14×14、512×7×7,适合接分割、检测等下游任务。
  • 图像 Embedding:num_classes=0 去掉分类头,直接输出 512 维图像向量,可用于以图搜图、相似度检索。
model = timm.create_model(
    'convformer_s18.sail_in22k_ft_in1k',
    pretrained=True,
    features_only=True,
)

详细代码见 README.md 的 Feature Map Extraction 与 Image Embeddings 两节。

六、config.json 关键参数速查

参数 值 含义
architecture convformer_s18 模型架构名称
num_classes 1000 输出类别数
num_features 512 特征向量维度
input_size [3, 224, 224] 推荐输入尺寸
mean / std 0.485/0.456/0.406 等 图像归一化参数
crop_pct 1.0 评估裁剪比例

这些参数决定了预处理方式,推理时建议直接交给 timm.data.create_transform 自动处理,避免手动配置出错。

七、常见问题与排查

❓ 权重下载缓慢或失败怎么办? 可先用 git clone 方式离线获取权重文件,再本地加载;或在网络正常时重新运行脚本触发自动重试。

❓ 报 KeyError: 'convformer_s18'? 说明 timm 版本过旧,请升级:pip install -U timm。

❓ 输入图片不是 224×224? 无需手动缩放,create_transform 会按 config.json 中的 input_size 自动完成 resize 与归一化。

八、总结

✅ 通过本教程,你已经掌握了完整的部署链路:

  1. 免费获取:git clone 获取 README.md、config.json 与模型权重;
  2. 快速部署:timm.create_model 一行代码完成图像分类推理;
  3. 进阶扩展:特征图提取与 512 维图像向量生成。

convformer_s18.sail_in22k_ft_in1k 以 26.8M 的轻量参数和 Apache-2.0 协议,是新手入门视觉模型本地部署的绝佳选择,现在就可以动手跑起来!

登录后查看全文
convformer_s18.sail_in22k_ft_in1k