frgfm/torch-cam
Data science & ML이 페이지는 AI로 자동 번역되었습니다. 기술적인 세부 사항은 원문을 확인하세요. 원문 보기
PyTorch 모델(CAM, Grad-CAM, Grad-CAM++, Smooth Grad-CAM++, Score-CAM, SS-CAM, IS-CAM, XGrad-CAM, Layer-CAM, Finer-CAM, LeGrad, RefineCAM)의 클래스 활성화 맵
개요
PyTorch에서 컨볼루션 및 트랜스포머 층의 클래스별 활성화를 활용하는 간단한 방법입니다. 예상치 못한 분류기 결과를 디버깅하고 있나요? 예측과 예상 에이전트 워크플로우를 사용하거나, 호환 가능한 에이전트에게 휴대용 스킬을 부여하거나, llms.txt부터 시작하세요. 출처: woopets 이미지 (사전 학습된 Resnet-18로 생성된 활성화 지도) TorchCAM은 PyTorch 훅 메커니즘을 활용하여 사용자의 추가 노력 없이도 클래스 활성화를 생성하는 데 필요한 모든 정보를 원활하게 수집합니다. 각 CAM 객체는 모델을 감싸는 래퍼 역할을 합니다. 지원되는 CAM 방법의 상세 목록은 문서에서 확인할 수 있으며, 다음과 같이 사용하세요: *기본적으로 CAM이 검색되는 계층은 마지막 환원되지 않은 합성 모음 계층으로 설정되어 있음을 유의하세요. 특정 계층을 조사하고 싶다면, 구성자의 target_layer 인자를 사용하세요.* CAM 추출기가 설정되면, 평소처럼 모델만 사용해 데이터를 추론하면 됩니다.
개요(AI 번역)
TorchCAM: 클래스 활성화 탐색기
영어 | 简体中文
PyTorch 결정 설명: 이미지 분류기, 검출기, 세그멘터, VLM의 활성화 맵과 텍스트 분류기의 토큰 기여도.
예상치 못한 분류기 결과를 디버깅하고 있나요? 예측과 예상 에이전트 워크플로우를 사용하거나, npx skills add frgfm/torch-cam로 휴대용 스킬을 코딩 에이전트에 설치하거나, llms.txt부터 시작하세요.
출처: woopets 이미지 (사전 학습된 Resnet-18로 생성된 활성화 지도)
왜 토치캠
- 12가지 CAM 방법과 VLM 토큰 매핑: CAM과 Grad-CAM에서 LeGrad, RefineCAM, TAM으로.
- CNN 및 비전 트랜스포머: CNN의 자동 타겟 계층 해상도, LeGrad의 자동 해상도 및 ViT의 리셰이프 변환.
- 분류를 넘어서: 동일한 추출기를 사용하여 검출, 분할 마스크 및 임베딩을 설명합니다.
- 텍스트 결정 모델: 빠른
TokenAblation는 각 토큰의 효과를 측정합니다;TokenIG는 수치 검사를 포함한 통합 구배 임베딩을 제공합니다. 두 모델 모두 클래스별 부호 매핑을 반환하며, Laya의 결정 아키텍처에 대해서도 포함됩니다.
이 페이지는 AI로 자동 번역되었습니다. 기술적인 세부 사항은 원문을 확인하세요.
README
원문 README의 일부입니다. 원문 보기.
TorchCAM: class activation explorer
English | 简体中文
Explain PyTorch decisions: activation maps for image classifiers, detectors, segmenters and VLMs, and token contributions for text classifiers.
추천 도구
다른 키워드를 입력하거나 필터를 제거해 보세요.
설치
npx skillfish add frgfm/torch-cam