frgfm/torch-cam
Data science & MLЭта страница переведена автоматически. Технические детали смотрите в оригинале. Открыть оригинал
Карты активации классов для ваших моделей PyTorch (CAM, Grad-CAM, Grad-CAM++, Smooth Grad-CAM++, Score-CAM, SS-CAM, IS-CAM, XGrad-CAM, Layer-CAM, Finer-CAM, LeGrad, RefineCAM)
Обзор
Простой способ использовать классоспецифическую активацию сверточных и трансформаторных слоёв в PyTorch. Отладка одного неожиданного результата классификатора? Используйте рабочий процесс по принципу предсказанного и ожидаемого агента, дайте совместимому агенту навык переноса или начните с llms.txt. Источник: изображение с woopets (карты активации созданы с помощью предварительно обученного Resnet-18) TorchCAM использует механизмы прицепа PyTorch для бесшовного извлечения всей необходимой информации и активации класса без дополнительных усилий со стороны пользователя. Каждый объект CAM служит обёрткой вокруг вашей модели. Вы можете найти исчерпывающий список поддерживаемых методов CAM в документации и использовать его следующим образом: *Обратите внимание, что по умолчанию слой, на котором получается CAM, установлен на последний нередукционный сверточный слой. Если вы хотите исследовать конкретный слой, используйте аргумент target_layer в конструкторе.* После того как ваш экстрактор CAM настроен, вам нужно использовать модель только для обычных выводов по данным.
Обзор (машинный перевод)
TorchCAM: исследователь активации класса
Английский | 简体中文
Объясните решения в PyTorch: карты активации для классификаторов изображений, детекторов, сегментаторов и VLM, а также вклад токенов для текстовых классификаторов.
Отладка одного неожиданного результата классификатора? Используйте рабочий процесс с предсказанным и ожидаемым агентом, установите портативный навык в ваш кодировочный агент с помощью npx skills add frgfm/torch-cam или начните с llms.txt.
Источник: изображение с woopets (карты активации созданы с помощью предварительно обученного Resnet-18)
Почему TorchCAM
- 12 методов CAM плюс карты токена VLM: от CAM и Grad-CAM к LeGrad, RefineCAM и TAM.
- CNN и Vision Transformers: автоматическое разрешение целевых уровней для CNN, преобразования LeGrad и Reshape для ViT.
- За пределами классификации: объяснить обнаружения, сегментационные маски и вложения с помощью одних и тех же экстракторов.
- Текстовые модели принятия решений: быстрые
TokenAblationизмеряют эффект каждого токена;TokenIGобеспечивает встраивание интегрированных градиентов с числовыми проверками. Оба возвращают классоспецифические знаковые отображения, включая архитектуру принятия решений Laya.
Эта страница переведена автоматически. Технические детали смотрите в оригинале.
README
Показан фрагмент оригинального README. Открыть оригинал.
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.
Рекомендуемые инструменты
Попробуйте другой запрос или уберите фильтр.
Установка
npx skillfish add frgfm/torch-cam