GitHub 7.5k star量，各種視覺Transformer的PyTorch實現合集整理好了
近一兩年，Transformer 跨界 CV 任務不再是什么新鮮事了。
自 2020 年 10 月谷歌提出 Vision Transformer (ViT) 以來，各式各樣視覺 Transformer 開始在圖像合成、點云處理、視覺 - 語言建模等領域大顯身手。
之后，在 PyTorch 中實現 Vision Transformer 成為了研究熱點。GitHub 中也出現了很多優秀的項目，今天要介紹的就是其中之一。
該項目名為「vit-pytorch」，它是一個 Vision Transformer 實現，展示了一種在 PyTorch 中僅使用單個 transformer 編碼器來實現視覺分類 SOTA 結果的簡單方法。
項目當前的 star 量已經達到了 7.5k，創建者為 Phil Wang，ta 在 GitHub 上有 147 個資源庫。
項目地址：https://github.com/lucidrains/vit-pytorch
項目作者還提供了一段動圖展示：
項目介紹
首先來看 Vision Transformer-PyTorch 的安裝、使用、參數、蒸餾等步驟。
第一步是安裝：
$ pip install vit-pytorch第二步是使用：
import torch
from vit_pytorch import ViT
v = ViT(
image_size = 256,
patch_size = 32,
num_classes = 1000,
dim = 1024,
depth = 6,
heads = 16,
mlp_dim = 2048,
dropout = 0.1,
emb_dropout = 0.1
)
img = torch.randn(1, 3, 256, 256)
preds = v(img) # (1, 1000)第三步是所需參數，包括如下：
- image_size：圖像大小
- patch_size：patch 數量
- num_classes：分類類別的數量
- dim：線性變換 nn.Linear(..., dim) 后輸出張量的最后維
- depth：Transformer 塊的數量
- heads：多頭注意力層中頭的數量
- mlp_dim：MLP（前饋）層的維數
- channels：圖像通道的數量
- dropout：Dropout rate
- emb_dropout：嵌入 dropout rate
- ……
最后是蒸餾，采用的流程出自 Facebook AI 和索邦大學的論文《Training data-efficient image transformers & distillation through attention》。
論文地址：https://arxiv.org/pdf/2012.12877.pdf
從 ResNet50（或任何教師網絡）蒸餾到 vision transformer 的代碼如下：
import torchfrom torchvision.models import resnet50from vit_pytorch.distill import DistillableViT, DistillWrapperteacher = resnet50(pretrained = True)
v = DistillableViT(
image_size = 256,
patch_size = 32,
num_classes = 1000,
dim = 1024,
depth = 6,
heads = 8,
mlp_dim = 2048,
dropout = 0.1,
emb_dropout = 0.1
)
distiller = DistillWrapper(
student = v,
teacher = teacher,
temperature = 3, # temperature of distillationalpha = 0.5, # trade between main loss and distillation losshard = False # whether to use soft or hard distillation
)
img = torch.randn(2, 3, 256, 256)labels = torch.randint(0, 1000, (2,))
loss = distiller(img, labels)loss.backward()
# after lots of training above ...pred = v(img) # (2, 1000)除了 Vision Transformer 之外，該項目還提供了 Deep ViT、CaiT、Token-to-Token ViT、PiT 等其他 ViT 變體模型的 PyTorch 實現。
對 ViT 模型 PyTorch 實現感興趣的讀者可以參閱原項目。
