Swin Transformer:层次化视觉 Transformer

本文介绍了Swin Transformer模型的代码复现情况。作者完成了BackBone代码迁移,ImageNet 1k预训练模型可用且精度对齐,模型代码和ImageNet 22k预训练模型将更新到PPIM项目。文中展示了模型组网代码,包括窗口划分、注意力机制等模块,还提供了预设模型及精度验证结果,Swin-T在验证集上top1准确率达81.19%。

☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 免费无限量使用 DeepSeek R1 模型☜☜☜

swin transformer:层次化视觉 transformer - 创想鸟

引入

没有感情的论文复现机器又来整活了这次整一个前两天代码新鲜出炉的模型 Swin Transformer代码已经跑通,暂时只完成 BackBone 代码的迁移,ImageNet 1k 数据集预训练模型可用,精度对齐模型代码和 ImageNet 22k 预训练模型这几天会更新到 PPIM 项目中去

参考资料

论文:Swin Transformer: Hierarchical Vision Transformer using Shifted Windows

官方项目:microsoft/Swin-Transformer

才疏学浅,只会写写代码,就不班门弄斧解读这论文了

具体详解可以参考 @长风破浪会有时 大佬发布的项目 Swin Transformer,之前大佬写的 RepVGG 和 ReXNet 模型解析太强了

模型精度细节:

Swin Transformer:层次化视觉 Transformer - 创想鸟                

构建模型

依然需要依赖 PPIM 进行模型搭建

安装依赖

In [ ]

# 安装 PPIM!pip install ppim

   

导入必要的包

In [1]

import numpy as npimport paddleimport paddle.nn as nnimport paddle.vision.transforms as Tfrom ppim.models.vit import Mlpfrom ppim.models.common import to_2tuplefrom ppim.models.common import DropPath, Identityfrom ppim.models.common import trunc_normal_, zeros_, ones_

   

模型组网

In [2]

def window_partition(x, window_size):    """    Args:        x: (B, H, W, C)        window_size (int): window size    Returns:        windows: (num_windows*B, window_size, window_size, C)    """    B, H, W, C = x.shape    x = x.reshape((B, H // window_size, window_size,                   W // window_size, window_size, C))    windows = x.transpose((0, 1, 3, 2, 4, 5)).reshape(        (-1, window_size, window_size, C))    return windowsdef window_reverse(windows, window_size, H, W):    """    Args:        windows: (num_windows*B, window_size, window_size, C)        window_size (int): Window size        H (int): Height of image        W (int): Width of image    Returns:        x: (B, H, W, C)    """    B = int(windows.shape[0] / (H * W / window_size / window_size))    x = windows.reshape(        (B, H // window_size, W // window_size, window_size, window_size, -1))    x = x.transpose((0, 1, 3, 2, 4, 5)).reshape((B, H, W, -1))    return xclass WindowAttention(nn.Layer):    r""" Window based multi-head self attention (W-MSA) module with relative position bias.    It supports both of shifted and non-shifted window.    Args:        dim (int): Number of input channels.        window_size (tuple[int]): The height and width of the window.        num_heads (int): Number of attention heads.        qkv_bias (bool, optional):  If True, add a learnable bias to query, key, value. Default: True        qk_scale (float | None, optional): Override default qk scale of head_dim ** -0.5 if set        attn_drop (float, optional): Dropout ratio of attention weight. Default: 0.0        proj_drop (float, optional): Dropout ratio of output. Default: 0.0    """    def __init__(self, dim, window_size, num_heads, qkv_bias=True, qk_scale=None, attn_drop=0., proj_drop=0.):        super().__init__()        self.dim = dim        self.window_size = window_size  # Wh, Ww        self.num_heads = num_heads        head_dim = dim // num_heads        self.scale = qk_scale or head_dim ** -0.5        # define a parameter table of relative position bias        self.relative_position_bias_table = self.create_parameter(            shape=((2 * window_size[0] - 1) *                   (2 * window_size[1] - 1), num_heads),            default_initializer=zeros_        )  # 2*Wh-1 * 2*Ww-1, nH        self.add_parameter("relative_position_bias_table",                           self.relative_position_bias_table)        # get pair-wise relative position index for each token inside the window        coords_h = paddle.arange(self.window_size[0])        coords_w = paddle.arange(self.window_size[1])        coords = paddle.stack(paddle.meshgrid(            [coords_h, coords_w]))  # 2, Wh, Ww        coords_flatten = paddle.flatten(coords, 1)  # 2, Wh*Ww        relative_coords = coords_flatten.unsqueeze(-1) -             coords_flatten.unsqueeze(1)  # 2, Wh*Ww, Wh*Ww        relative_coords = relative_coords.transpose(            (1, 2, 0))  # Wh*Ww, Wh*Ww, 2        relative_coords[:, :, 0] += self.window_size[0] -             1  # shift to start from 0        relative_coords[:, :, 1] += self.window_size[1] - 1        relative_coords[:, :, 0] *= 2 * self.window_size[1] - 1        relative_position_index = relative_coords.sum(-1)  # Wh*Ww, Wh*Ww        self.register_buffer("relative_position_index",                             relative_position_index)        self.qkv = nn.Linear(dim, dim * 3, bias_attr=qkv_bias)        self.attn_drop = nn.Dropout(attn_drop)        self.proj = nn.Linear(dim, dim)        self.proj_drop = nn.Dropout(proj_drop)        trunc_normal_(self.relative_position_bias_table)        self.softmax = nn.Softmax(axis=-1)    def forward(self, x, mask=None):        """        Args:            x: input features with shape of (num_windows*B, N, C)            mask: (0/-inf) mask with shape of (num_windows, Wh*Ww, Wh*Ww) or None        """        B_, N, C = x.shape        qkv = self.qkv(x).reshape((B_, N, 3, self.num_heads, C //                                   self.num_heads)).transpose((2, 0, 3, 1, 4))        q, k, v = qkv[0], qkv[1], qkv[2]        q = q * self.scale        attn = q.matmul(k.transpose((0, 1, 3, 2)))        relative_position_bias = paddle.index_select(            self.relative_position_bias_table,            self.relative_position_index.reshape((-1,)),            axis=0).reshape(            (self.window_size[0] * self.window_size[1],             self.window_size[0] * self.window_size[1], -1))        relative_position_bias = relative_position_bias.transpose((2, 0, 1))        attn = attn + relative_position_bias.unsqueeze(0)        if mask is not None:            nW = mask.shape[0]            attn = attn.reshape(                (B_ // nW, nW, self.num_heads, N, N)            ) + mask.unsqueeze(1).unsqueeze(0)            attn = attn.reshape((-1, self.num_heads, N, N))            attn = self.softmax(attn)        else:            attn = self.softmax(attn)        attn = self.attn_drop(attn)        x = (attn.matmul(v)).transpose((0, 2, 1, 3)).reshape((B_, N, C))        x = self.proj(x)        x = self.proj_drop(x)        return xclass SwinTransformerBlock(nn.Layer):    r""" Swin Transformer Block.    Args:        dim (int): Number of input channels.        input_resolution (tuple[int]): Input resulotion.        num_heads (int): Number of attention heads.        window_size (int): Window size.        shift_size (int): Shift size for SW-MSA.        mlp_ratio (float): Ratio of mlp hidden dim to embedding dim.        qkv_bias (bool, optional): If True, add a learnable bias to query, key, value. Default: True        qk_scale (float | None, optional): Override default qk scale of head_dim ** -0.5 if set.        drop (float, optional): Dropout rate. Default: 0.0        attn_drop (float, optional): Attention dropout rate. Default: 0.0        drop_path (float, optional): Stochastic depth rate. Default: 0.0        act_layer (nn.Layer, optional): Activation layer. Default: nn.GELU        norm_layer (nn.Layer, optional): Normalization layer.  Default: nn.LayerNorm    """    def __init__(self, dim, input_resolution, num_heads, window_size=7, shift_size=0,                 mlp_ratio=4., qkv_bias=True, qk_scale=None, drop=0., attn_drop=0., drop_path=0.,                 act_layer=nn.GELU, norm_layer=nn.LayerNorm):        super().__init__()        self.dim = dim        self.input_resolution = input_resolution        self.num_heads = num_heads        self.window_size = window_size        self.shift_size = shift_size        self.mlp_ratio = mlp_ratio        if min(self.input_resolution) <= self.window_size:            # if window size is larger than input resolution, we don't partition windows            self.shift_size = 0            self.window_size = min(self.input_resolution)        assert 0 <= self.shift_size  0. else Identity()        self.norm2 = norm_layer(dim)        mlp_hidden_dim = int(dim * mlp_ratio)        self.mlp = Mlp(in_features=dim, hidden_features=mlp_hidden_dim,                       act_layer=act_layer, drop=drop)        if self.shift_size > 0:            # calculate attention mask for SW-MSA            H, W = self.input_resolution            img_mask = paddle.zeros((1, H, W, 1))  # 1 H W 1            h_slices = (slice(0, -self.window_size),                        slice(-self.window_size, -self.shift_size),                        slice(-self.shift_size, None))            w_slices = (slice(0, -self.window_size),                        slice(-self.window_size, -self.shift_size),                        slice(-self.shift_size, None))            cnt = 0            for h in h_slices:                for w in w_slices:                    img_mask[:, h, w, :] = cnt                    cnt += 1            # nW, window_size, window_size, 1            mask_windows = window_partition(img_mask, self.window_size)            mask_windows = mask_windows.reshape((-1,                                                 self.window_size * self.window_size))            attn_mask = mask_windows.unsqueeze(1) - mask_windows.unsqueeze(2)            _h = paddle.full_like(attn_mask, -100.0, dtype='float32')            _z = paddle.full_like(attn_mask, 0.0, dtype='float32')            attn_mask = paddle.where(attn_mask != 0, _h, _z)        else:            attn_mask = None        self.register_buffer("attn_mask", attn_mask)    def forward(self, x):        H, W = self.input_resolution        B, L, C = x.shape        assert L == H * W, "input feature has wrong size"        shortcut = x        x = self.norm1(x)        x = x.reshape((B, H, W, C))        # cyclic shift        if self.shift_size > 0:            shifted_x = paddle.roll(                x, shifts=(-self.shift_size, -self.shift_size), axis=(1, 2))        else:            shifted_x = x        # partition windows        # nW*B, window_size, window_size, C        x_windows = window_partition(shifted_x, self.window_size)        # nW*B, window_size*window_size, C        x_windows = x_windows.reshape(            (-1, self.window_size * self.window_size, C))        # W-MSA/SW-MSA        # nW*B, window_size*window_size, C        attn_windows = self.attn(x_windows, mask=self.attn_mask)        # merge windows        attn_windows = attn_windows.reshape(            (-1, self.window_size, self.window_size, C))        shifted_x = window_reverse(            attn_windows, self.window_size, H, W)  # B H' W' C        # reverse cyclic shift        if self.shift_size > 0:            x = paddle.roll(shifted_x, shifts=(                self.shift_size, self.shift_size), axis=(1, 2))        else:            x = shifted_x        x = x.reshape((B, H * W, C))        # FFN        x = shortcut + self.drop_path(x)        x = x + self.drop_path(self.mlp(self.norm2(x)))        return xclass PatchMerging(nn.Layer):    r""" Patch Merging Layer.    Args:        input_resolution (tuple[int]): Resolution of input feature.        dim (int): Number of input channels.        norm_layer (nn.Layer, optional): Normalization layer.  Default: nn.LayerNorm    """    def __init__(self, input_resolution, dim, norm_layer=nn.LayerNorm):        super().__init__()        self.input_resolution = input_resolution        self.dim = dim        self.reduction = nn.Linear(4 * dim, 2 * dim, bias_attr=False)        self.norm = norm_layer(4 * dim)    def forward(self, x):        """        x: B, H*W, C        """        H, W = self.input_resolution        B, L, C = x.shape        assert L == H * W, "input feature has wrong size"        assert H % 2 == 0 and W % 2 == 0, f"x size ({H}*{W}) are not even."        x = x.reshape((B, H, W, C))        x0 = x[:, 0::2, 0::2, :]  # B H/2 W/2 C        x1 = x[:, 1::2, 0::2, :]  # B H/2 W/2 C        x2 = x[:, 0::2, 1::2, :]  # B H/2 W/2 C        x3 = x[:, 1::2, 1::2, :]  # B H/2 W/2 C        x = paddle.concat([x0, x1, x2, x3], -1)  # B H/2 W/2 4*C        x = x.reshape((B, -1, 4 * C))  # B H/2*W/2 4*C        x = self.norm(x)        x = self.reduction(x)        return xclass BasicLayer(nn.Layer):    """ A basic Swin Transformer layer for one stage.    Args:        dim (int): Number of input channels.        input_resolution (tuple[int]): Input resolution.        depth (int): Number of blocks.        num_heads (int): Number of attention heads.        window_size (int): Local window size.        mlp_ratio (float): Ratio of mlp hidden dim to embedding dim.        qkv_bias (bool, optional): If True, add a learnable bias to query, key, value. Default: True        qk_scale (float | None, optional): Override default qk scale of head_dim ** -0.5 if set.        drop (float, optional): Dropout rate. Default: 0.0        attn_drop (float, optional): Attention dropout rate. Default: 0.0        drop_path (float | tuple[float], optional): Stochastic depth rate. Default: 0.0        norm_layer (nn.Layer, optional): Normalization layer. Default: nn.LayerNorm        downsample (nn.Layer | None, optional): Downsample layer at the end of the layer. Default: None    """    def __init__(self, dim, input_resolution, depth, num_heads, window_size,                 mlp_ratio=4., qkv_bias=True, qk_scale=None, drop=0., attn_drop=0.,                 drop_path=0., norm_layer=nn.LayerNorm, downsample=None):        super().__init__()        self.dim = dim        self.input_resolution = input_resolution        self.depth = depth        # build blocks        self.blocks = nn.LayerList([            SwinTransformerBlock(dim=dim, input_resolution=input_resolution,                                 num_heads=num_heads, window_size=window_size,                                 shift_size=0 if (                                     i % 2 == 0) else window_size // 2,                                 mlp_ratio=mlp_ratio,                                 qkv_bias=qkv_bias, qk_scale=qk_scale,                                 drop=drop, attn_drop=attn_drop,                                 drop_path=drop_path[i] if isinstance(                                     drop_path, np.ndarray) else drop_path,                                 norm_layer=norm_layer)            for i in range(depth)])        # patch merging layer        if downsample is not None:            self.downsample = downsample(                input_resolution, dim=dim, norm_layer=norm_layer)        else:            self.downsample = None    def forward(self, x):        for blk in self.blocks:            x = blk(x)        if self.downsample is not None:            x = self.downsample(x)        return xclass PatchEmbed(nn.Layer):    r""" Image to Patch Embedding    Args:        img_size (int): Image size.  Default: 224.        patch_size (int): Patch token size. Default: 4.        in_chans (int): Number of input image channels. Default: 3.        embed_dim (int): Number of linear projection output channels. Default: 96.        norm_layer (nn.Layer, optional): Normalization layer. Default: None    """    def __init__(self, img_size=224, patch_size=4, in_chans=3, embed_dim=96, norm_layer=None):        super().__init__()        img_size = to_2tuple(img_size)        patch_size = to_2tuple(patch_size)        patches_resolution = [img_size[0] //                              patch_size[0], img_size[1] // patch_size[1]]        self.img_size = img_size        self.patch_size = patch_size        self.patches_resolution = patches_resolution        self.num_patches = patches_resolution[0] * patches_resolution[1]        self.in_chans = in_chans        self.embed_dim = embed_dim        self.proj = nn.Conv2D(in_chans, embed_dim,                              kernel_size=patch_size, stride=patch_size)        if norm_layer is not None:            self.norm = norm_layer(embed_dim)        else:            self.norm = None    def forward(self, x):        B, C, H, W = x.shape        # FIXME look at relaxing size constraints        assert H == self.img_size[0] and W == self.img_size[1],             f"Input image size ({H}*{W}) doesn't match model ({self.img_size[0]}*{self.img_size[1]})."        x = self.proj(x).flatten(2).transpose((0, 2, 1))  # B Ph*Pw C        if self.norm is not None:            x = self.norm(x)        return xclass SwinTransformer(nn.Layer):    r""" Swin Transformer        A Paddle impl of : `Swin Transformer: Hierarchical Vision Transformer using Shifted Windows`  -          https://arxiv.org/pdf/2103.14030    Args:        img_size (int | tuple(int)): Input image size. Default 224        patch_size (int | tuple(int)): Patch size. Default: 4        in_chans (int): Number of input image channels. Default: 3        class_dim (int): Number of classes for classification head. Default: 1000        embed_dim (int): Patch embedding dimension. Default: 96        depths (tuple(int)): Depth of each Swin Transformer layer.        num_heads (tuple(int)): Number of attention heads in different layers.        window_size (int): Window size. Default: 7        mlp_ratio (float): Ratio of mlp hidden dim to embedding dim. Default: 4        qkv_bias (bool): If True, add a learnable bias to query, key, value. Default: True        qk_scale (float): Override default qk scale of head_dim ** -0.5 if set. Default: None        drop_rate (float): Dropout rate. Default: 0        attn_drop_rate (float): Attention dropout rate. Default: 0        drop_path_rate (float): Stochastic depth rate. Default: 0.1        norm_layer (nn.Layer): Normalization layer. Default: nn.LayerNorm.        ape (bool): If True, add absolute position embedding to the patch embedding. Default: False        patch_norm (bool): If True, add normalization after patch embedding. Default: True    """    def __init__(self, img_size=224, patch_size=4, in_chans=3,                 embed_dim=96, depths=[2, 2, 6, 2], num_heads=[3, 6, 12, 24],                 window_size=7, mlp_ratio=4., qkv_bias=True, qk_scale=None,                 drop_rate=0., attn_drop_rate=0., drop_path_rate=0.1,                 norm_layer=nn.LayerNorm, ape=False, patch_norm=True,                 class_dim=1000, with_pool=True, **kwargs):        super().__init__()        self.class_dim = class_dim        self.with_pool = with_pool        self.num_layers = len(depths)        self.embed_dim = embed_dim        self.ape = ape        self.patch_norm = patch_norm        self.num_features = int(embed_dim * 2 ** (self.num_layers - 1))        self.mlp_ratio = mlp_ratio        # split image into non-overlapping patches        self.patch_embed = PatchEmbed(            img_size=img_size, patch_size=patch_size, in_chans=in_chans, embed_dim=embed_dim,            norm_layer=norm_layer if self.patch_norm else None)        num_patches = self.patch_embed.num_patches        patches_resolution = self.patch_embed.patches_resolution        self.patches_resolution = patches_resolution        # absolute position embedding        if self.ape:            self.absolute_pos_embed = self.create_parameter(                shape=(1, num_patches, embed_dim),                default_initializer=zeros_            )            self.add_parameter("absolute_pos_embed", self.absolute_pos_embed)            trunc_normal_(self.absolute_pos_embed)        self.pos_drop = nn.Dropout(p=drop_rate)        # stochastic depth        dpr = np.linspace(0, drop_path_rate, sum(depths))        # build layers        self.layers = nn.LayerList()        for i_layer in range(self.num_layers):            layer = BasicLayer(dim=int(embed_dim * 2 ** i_layer),                               input_resolution=(patches_resolution[0] // (2 ** i_layer),                                                 patches_resolution[1] // (2 ** i_layer)),                               depth=depths[i_layer],                               num_heads=num_heads[i_layer],                               window_size=window_size,                               mlp_ratio=self.mlp_ratio,                               qkv_bias=qkv_bias, qk_scale=qk_scale,                               drop=drop_rate, attn_drop=attn_drop_rate,                               drop_path=dpr[sum(depths[:i_layer]):sum(                                   depths[:i_layer + 1])],                               norm_layer=norm_layer,                               downsample=PatchMerging if (                                   i_layer  0:            self.head = nn.Linear(self.num_features, class_dim)        self.apply(self._init_weights)    def _init_weights(self, m):        if isinstance(m, nn.Linear):            trunc_normal_(m.weight)            if isinstance(m, nn.Linear) and m.bias is not None:                zeros_(m.bias)        elif isinstance(m, nn.LayerNorm):            zeros_(m.bias)            ones_(m.weight)    def forward_features(self, x):        x = self.patch_embed(x)        if self.ape:            x = x + self.absolute_pos_embed        x = self.pos_drop(x)        for layer in self.layers:            x = layer(x)        x = self.norm(x)  # B L C        return x.transpose((0, 2, 1)) # B C 1    def forward(self, x):        x = self.forward_features(x)        if self.with_pool:            x = self.avgpool(x)         if self.class_dim > 0:            x = paddle.flatten(x, 1)            x = self.head(x)        return x

   

验证集数据处理

In [3]

def get_transforms(resize, crop):    transforms = [T.Resize(resize, interpolation='bicubic')]    if crop:        transforms.append(T.CenterCrop(crop))    transforms.append(T.ToTensor())    transforms.append(T.Normalize(        mean=[0.485, 0.456, 0.406], std=[0.229, 0.224, 0.225]))    transforms = T.Compose(transforms)    return transformstransforms_224 = get_transforms(256, 224)transforms_384 = get_transforms((384, 384), None)

   

预设模型

In [4]

def swin_ti(pretrained=False, **kwargs):    model = SwinTransformer(**kwargs)    if pretrained:        model.set_dict(paddle.load('data/data80934/swin_tiny_patch4_window7_224.pdparams'))    return model, transforms_224def swin_s(pretrained=False, **kwargs):    model = SwinTransformer(        depths=[2, 2, 18, 2],        num_heads=[3, 6, 12, 24]        ** kwargs    )    if pretrained:        model.set_dict(paddle.load('data/data80934/swin_small_patch4_window7_224.pdparams'))    return model, transforms_224def swin_b(pretrained=False, **kwargs):    model = SwinTransformer(        embed_dim=128,        depths=[2, 2, 18, 2],        num_heads=[4, 8, 16, 32]        ** kwargs    )    if pretrained:        model.set_dict(paddle.load('data/data80934/swin_base_patch4_window7_224.pdparams'))    return model, transforms_224def swin_b_384(pretrained=False, **kwargs):    model = SwinTransformer(        img_size=384,        embed_dim=128,        depths=[2, 2, 18, 2],        num_heads=[4, 8, 16, 32],        window_size=12,        **kwargs    )    if pretrained:        model.set_dict(paddle.load('data/data80934/swin_base_patch4_window12_384.pdparams'))    return model, transforms_384

   

精度验证

解压数据集

In [ ]

# 解压数据集!mkdir ~/data/ILSVRC2012!tar -xf ~/data/data68594/ILSVRC2012_img_val.tar -C ~/data/ILSVRC2012

   

模型验证

In [5]

import osimport cv2import numpy as npimport paddle# from ppim import pit_b_distilledfrom PIL import Image# 构建数据集class ILSVRC2012(paddle.io.Dataset):    def __init__(self, root, label_list, transform, backend='pil'):        self.transform = transform        self.root = root        self.label_list = label_list        self.backend = backend        self.load_datas()    def load_datas(self):        self.imgs = []        self.labels = []        with open(self.label_list, 'r') as f:            for line in f:                img, label = line[:-1].split(' ')                self.imgs.append(os.path.join(self.root, img))                self.labels.append(int(label))    def __getitem__(self, idx):        label = self.labels[idx]        image = self.imgs[idx]        if self.backend=='cv2':            image = cv2.imread(image)        else:            image = Image.open(image).convert('RGB')        image = self.transform(image)        return image.astype('float32'), np.array(label).astype('int64')    def __len__(self):        return len(self.imgs)# 配置模型model, val_transforms = swin_ti(pretrained=True)model = paddle.Model(model)model.prepare(metrics=paddle.metric.Accuracy(topk=(1, 5)))# 配置数据集val_dataset = ILSVRC2012('data/ILSVRC2012', transform=val_transforms, label_list='data/data68594/val_list.txt')# 模型验证model.evaluate(val_dataset, batch_size=512)

       

Eval begin...The loss value printed in the log is the current batch, and the metric is the average value of previous step.

       

/opt/conda/envs/python35-paddle120-env/lib/python3.7/site-packages/paddle/fluid/layers/utils.py:77: DeprecationWarning: Using or importing the ABCs from 'collections' instead of from 'collections.abc' is deprecated, and in 3.8 it will stop working  return (isinstance(seq, collections.Sequence) and

       

step 10/98 - acc_top1: 0.8164 - acc_top5: 0.9547 - 7s/stepstep 20/98 - acc_top1: 0.8155 - acc_top5: 0.9549 - 7s/stepstep 30/98 - acc_top1: 0.8113 - acc_top5: 0.9542 - 7s/stepstep 40/98 - acc_top1: 0.8113 - acc_top5: 0.9543 - 7s/stepstep 50/98 - acc_top1: 0.8115 - acc_top5: 0.9547 - 7s/stepstep 60/98 - acc_top1: 0.8115 - acc_top5: 0.9547 - 7s/stepstep 70/98 - acc_top1: 0.8107 - acc_top5: 0.9550 - 7s/stepstep 80/98 - acc_top1: 0.8116 - acc_top5: 0.9549 - 7s/stepstep 90/98 - acc_top1: 0.8113 - acc_top5: 0.9549 - 6s/stepstep 98/98 - acc_top1: 0.8119 - acc_top5: 0.9551 - 6s/stepEval samples: 50000

       

{'acc_top1': 0.81186, 'acc_top5': 0.9551}

               

以上就是Swin Transformer:层次化视觉 Transformer的详细内容,更多请关注创想鸟其它相关文章!

版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。
如发现本站有涉嫌抄袭侵权/违法违规的内容, 请发送邮件至 chuangxiangniao@163.com 举报,一经查实,本站将立刻删除。
发布者:程序猿,转转请注明出处:https://www.chuangxiangniao.com/p/59466.html

(0)
打赏 微信扫一扫 微信扫一扫 支付宝扫一扫 支付宝扫一扫
上一篇 2025年11月10日 14:13:03
下一篇 2025年11月10日 14:50:42

相关推荐

  • php学哪些语言

    有效使用 PHP 需掌握以下语言技能:HTML 和 CSS,用于构建用户界面;SQL,用于与数据库交互;JavaScript,用于增强客户端交互;其他服务器端语言,以了解概念和集成组件;PHP 框架,以提高开发效率和可维护性;版本控制系统,以管理代码更改。 PHP 所需掌握的语言 PHP (Hype…

    2025年12月12日
    000
  • php需要掌握哪些

    PHP入门需掌握:基础语法(数据类型、运算符、控制结构、循环结构、函数)、MVC架构、数据库交互、面向对象编程、Web开发(HTTP协议、HTML/CSS/JavaScript、框架)、调试和错误处理、安全实践、持续集成和部署,以及其他编程语言、Unix/Linux命令行和文档/版本控制基础。 PH…

    2025年12月12日
    000
  • php包含哪些语言

    PHP 是一种通用脚本语言,用于创建动态 Web 应用程序,包含以下特性:嵌入 HTML 和 CSS与数据库交互与 JavaScript 集成XML 处理正则表达式支持可与其他脚本语言一起使用 PHP 中包含的语言 PHP 是一种流行的通用脚本语言,用于创建动态 Web 应用程序。它包含多种语言特性…

    2025年12月12日
    000
  • 想学php需要哪些基础

    学习 PHP 需要具备以下基础: HTML 和 CSS、编程基础、数据库基础、版本控制、操作系统、对 Web 开发的兴趣以及解决问题的技能。 想学 PHP 需要哪些基础? 要学习 PHP,需要具备以下基础: 1. HTML 和 CSS 了解 HTML 结构和语义掌握 CSS 元素样式和布局 2. 编…

    2025年12月12日
    000
  • 框架扩展机制的优点和缺点

    框架扩展机制允许开发人员通过创建模块和插件来扩展其功能,提供灵活性、可定制性和可重用性。它还促进了社区支持和丰富的扩展生态系统。然而,扩展机制也带来了复杂性、性能开销、兼容性问题和安全隐患。实战案例展示了使用 django 框架的扩展机制,允许开发人员创建自定义模板标签以扩展框架功能。 框架扩展机制…

    2025年12月12日
    000
  • php哪些需求做不了

    PHP 无法满足高性能要求、实时处理、移动开发、并发性和可扩展性、严格类型检查、跨平台支持以及复杂数据结构处理等需求。 PHP 无法满足哪些需求 PHP 虽然是一种功能强大的脚本语言,但在某些情况下它并不是理想的选择。以下是一些 PHP 无法满足的需求: 1. 极高的性能要求 虽然 PHP 的性能已…

    2025年12月12日
    000
  • php可以嵌入哪些语言

    PHP 可嵌入多种语言,包括 HTML、CSS、JavaScript、XML 等核心语言,以及 Python、Ruby 等其他语言。通过嵌入这些语言,PHP 可以扩展其自身功能,用于动态生成 web 页面、控制页面样式、添加交互性、生成结构化数据等任务。 PHP 可嵌入的语言 PHP 是一种广泛使用…

    2025年12月12日
    000
  • 学php有哪些好处

    PHP 的优势包括:易学性:语法简单,易于上手。广泛应用:广泛用于创建后端 Web 应用程序。开源和免费:可自由下载、修改和分发。数据库集成:与流行数据库无缝集成,简化数据管理。OOP 支持:可重用代码和组织应用程序,提高可维护性。Web 框架支持:提供构建 Web 应用程序所需工具和功能。社区支持…

    2025年12月12日
    000
  • php的魅力有哪些

    PHP 具有诸多优势,包括:开源和免费广泛的社区支持强大的生态系统易于学习和使用可扩展性和灵活性性能优化与其他语言的集成广泛的应用程序范围高安全性持续的发展 PHP 的魅力 PHP 作为一种流行的编程语言,拥有众多优势,使其备受开发者青睐。 1. 开源和免费 PHP 是开源软件,任何人都可以免费下载…

    2025年12月12日
    000
  • php面试问哪些问题

    在PHP面试中,常见问题涵盖核心PHP知识、数据库交互、框架和工具、安全、版本控制和团队协作以及其他问题,涉及广泛的PHP技能和知识评估。 PHP面试常见问题 在PHP面试中,面试官通常会询问一系列问题来评估候选人的技能和知识。以下列出一些常见问题: 核心PHP知识 解释PHP中面向对象编程的概念。…

    2025年12月12日
    000
  • Humanity Protocol(H)币是什么?如何购买?H代币经济与价格预测

    当 ai 已经聪明到可以模仿你的声音、生成你的头像,甚至冒充你与他人对话时,一个问题开始频繁出现:在数字世界里,我们要如何证明“我真的在这里”?就在这样的时代背景下,humanity protocol 站了出来,而且恰逢其时。它给出的方案既直观又突破传统,不依赖容易伪造的密码、验证码或身份文件,而是…

    2025年12月12日 好文分享
    100
  • 什么是PIEVERSE币?值得购买吗?PIEVERSE主要功能、运作方式及代币经济学

    Binance币安 欧易OKX ️ Huobi火币️ 摘要 Pieverse旨在重新定义数字经济中的时间估值和货币化。总供应量为10亿枚PIEVERSE代币,目前流通量为1.75亿枚。24小时交易量为9,654.2619万美元,仅在CoinEx上交易。主要功能包括质押、治理和生产力目标奖励。最近的合…

    2025年12月12日
    000
  • 什么是柚子币(EOS)?EOS价格预测2025-2030

    柚子币(eos)是专为支撑大规模去中心化应用(dapps)而构建的区块链平台,采用委托权益证明(dpos)共识机制与零手续费的资源分配模型,致力于实现超高吞吐量与极致用户体验;其2025至2030年间的价格演化路径,将深度绑定于核心技术迭代、生态扩张节奏及行业竞争格局变化,虽具备显著增长潜质,但也需…

    2025年12月12日
    000
  • 山寨币ETF扎堆上市,币价却在下跌,ETF获批还能算利好吗?

    山寨币etf扎堆上市,币价却持续走弱,etf获批是否仍具长期支撑力? Binance币安 欧易OKX ️ Huobi火币️ 一、价格承压:短期情绪主导下的“利好兑现即利空” 10月下旬至11月,DOGE、XRP、Solana(SOL)、Litecoin(LTC)、Hedera(HBAR)及Chain…

    2025年12月12日
    000
  • 一文详细了解韩国推动在12月10日截止日期前制定稳定币草案

    Binance币安 欧易OKX ️ Huobi火币️ 韩国议员为稳定币监管草案设定12月10日最后期限,警告若监管机构未按时提交,将自行推动立法。 韩国执政党向金融监管机构发出“最后通牒”,要求其在12月10日前提交稳定币监管框架草案。据《每日经济新闻》周一报道,民主党议员康俊贤表示:“如果政府未能…

    2025年12月12日
    000
  • 什么是加密资产?有哪些类型?监管情况如何?

    我们早已习惯将资金与贵重物品托付给银行或政府登记系统进行保管。然而,近年来一种崭新的资产形态悄然兴起——它仅存在于互联网之中,且以一种前所未有的方式被管理:去中心化、公开可验、自主可控。这便是加密资产(crypto assets)。 Binance币安 欧易OKX ️ Huobi火币️ 要真正理解它…

    2025年12月12日
    000
  • Daeler Node (DNODE) 币是什么?如何运作?2026–2030年价格预测

    加密货币和人工智能的世界正在快速演变,dealer node (dnode) 已成为最令人瞩目的新基础设施解决方案之一。 Binance币安 欧易OKX ️ Huobi火币️ 与其提供另一个区块链、代币或模糊承诺的L2,DNODE更专注于一些非常实用的东西:去中心化运算,这开发者和自主代理可以立即使…

    2025年12月12日
    000
  • 2025年12月有望爆发的6大AI Meme(迷因)币详细介绍

    ai meme币已从一个有趣的利基市场发展成为加密市场中最不可预测的类别之一。过去忽视 meme币的交易者现在正密切关注,因为市场行为不再像一个笑话,而更像一个快节奏的趋势实验室,几乎每周都会形成新的叙事。 Binance币安 欧易OKX ️ Huobi火币️ 整个AI meme领域目前的市值已轻松…

    2025年12月12日
    000
  • 一文了解瑞波币(XRP)ETF资金流入超过7.56亿美元,看涨背离暗示趋势逆转

    币安 Binance OKX 欧易 ️ 火币 Huobi️ 现货XRP ETF已连续11个交易日实现资金净流入,与此同时,价格走势图上的RSI指标正显现典型的看涨背离形态——这两大技术信号共同预示着新一轮上涨行情或已悄然启动。 当前,XRP现货ETF持续获得资本青睐,日均资金流入稳定,市场普遍关注其…

    2025年12月12日 好文分享
    000
  • 2025年币安IP限制了怎么办?新手用户注册币安详细教程

    币安IP限制可通过代理工具或远程服务器解决,新用户需用邮箱/手机注册并完成KYC认证及2FA安全设置。 当遇到币安的ip访问限制时,可尝试使用网络工具或配置远程服务器。对于新用户,完成注册需要通过邮箱或手机,并进行必要的身份验证以激活账户功能。 一、使用专业的网络代理工具 此方法通过改变你的网络出口…

    2025年12月12日
    000

发表回复

登录后才能评论
关注微信