保姆级教程:从Hugging Face免费获取并本地部署convformer_s18.sail_in22k_ft_in1k
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:
- 免费获取:git clone 获取 README.md、config.json 与模型权重;
- 快速部署:
timm.create_model一行代码完成图像分类推理; - 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!