【免费下载链接】convnext_large_mlp.clip_laion2b_augreg_ft_in1k项目地址https://ai.gitcode.com/hf_mirrors/timm/convnext_large_mlp.clip_laion2b_augreg_ft_in1k点击查看免费下载convnext_large_mlp.clip_laion2b_augreg_ft_in1k 是 timm 生态中的一款高性能图像分类模型基于 ConvNeXt-Large 架构使用 CLIP 视觉塔权重在 LAION-2B 图文数据集上预训练再在 ImageNet-1k 上微调。它在 ImageNet-1k 上 Top-1 精度达到 87.34%Top-5 精度 98.22%在 RTX 3090 上推理速度高达 438 samples/sec属于开源模型里高精度高速度的均衡之选。本文带你拆解它的预训练之路与上手方法。30秒看懂核心数据一览项目数值架构ConvNeXt-LargeMLP 变体参数量200.1M计算量44.9 GMACs输入尺寸256×256Top-1 精度87.34%Top-5 精度98.22%推理速度438.08 samples/secRTX 3090 AMP预训练数据LAION-2B约 20 亿图文对微调数据ImageNet-1k许可证Apache-2.0更多模型细节可查阅 README.md架构与预处理参数在 config.json 中定义。预训练之路三段式成长史 模型名字本身就是训练历程的浓缩convnext_large_mlp架构clip_laion2b_augreg预训练方式ft_in1k微调数据集。第一段ConvNeXt 骨干网络。ConvNeXt 出自 CVPR 2022 论文《A ConvNet for the 2020s》是一种现代化改造的纯卷积网络借鉴了 Transformer 的层缩放、GELU 激活、大核深度卷积等设计理念让卷积网络在保持推理高效的同时结构表达能力接近 Transformer。large_mlp变体参数量为 200.1M。第二段LAION-2B 上的 CLIP 对比预训练。LAION-2B 是包含约 20 亿图文对的开放图文数据集。通过 OpenCLIP 框架ConvNeXt 网络被当作 CLIP 的图像塔用对比学习方式学习图像—文本共享的特征空间。名字里的augreg表示训练时采用了更强的数据增强augmentation与正则化regularization让学到的特征更鲁棒、更通用。第三段ImageNet-1k 微调。预训练权重被加载进 timm 框架在 1000 类的 ImageNet-1k 数据集上微调输入尺寸设为 256×256最终产出本仓库中的分类权重。为什么 Top-1 能到 87.3%三个关键原因1. 训练数据量大两个数量级。传统监督式预训练只有约 128 万张 ImageNet 图片而 CLIP 预训练用了 LAION-2B 的 20 亿图文对。模型在真实世界的海量图像中见得更多学到的特征不再局限于 ImageNet 1000 个类别的细节。2. 对比学习让特征更通用。CLIP 通过图文匹配方式学习不依赖人工标注类别得到的特征语义性强、对域偏移更鲁棒。后续在 ImageNet-1k 微调时收敛更快、精度上限更高。3. 架构 分辨率组合高效。256×256 输入、仅 44.9 GMACs 计算量用 200M 参数换来了 87.34% 的精度。从 README 的完整性能对比表README.md可以看出同参数规模下它的 438.08 samples/sec 推理速度优势明显性价比很高。不只是分类三种常见玩法 除了 1000 类分类这个模型还能这样用示例来自 README.md图像分类直接前向输出 1000 维 logits配合 softmax 得到各类别概率特征图提取以features_onlyTrue加载可获得 192×64×64 到 1536×8×8 的多尺度特征图适合做检测、分割等下游任务的骨干图像嵌入以num_classes0加载去掉分类头后输出 1536 维图像向量适合相似度检索、去重与聚类。最小加载示例import timm model timm.create_model(convnext_large_mlp.clip_laion2b_augreg_ft_in1k, pretrainedTrue) model model.eval()pretrainedTrue会自动下载权重。如果网络受限也可以先手动克隆模型仓库再本地加载git clone https://gitcode.com/hf_mirrors/timm/convnext_large_mlp.clip_laion2b_augreg_ft_in1k模型文件与关键配置说明文件说明model.safetensors模型权重safetensors 格式约 800MBpytorch_model.bin模型权重PyTorch bin 格式约 800MBconfig.json架构与预处理配置架构为convnext_large_mlp1000 类特征维度 1536README.md完整模型卡片含性能对比表与引用信息⚠️ 新手注意config.json 里的归一化参数是 CLIP 专用的mean[0.48145466, 0.4578275, 0.40821073]、std[0.26862954, 0.26130258, 0.27577711]并不是传统 ImageNet 的0.485/0.456/0.406。喂数据时建议用timm.data.resolve_model_data_config(model)自动获取正确的预处理参数避免归一化用错导致精度莫名下降。选型建议什么时候选它要精度高 推理快256×256 输入下 87.34% Top-1 438 samples/sec适合算力预算有限的在线服务要更极致精度看同架构的convnext_large_mlp.clip_laion2b_soup_ft_in12k_in1k_384384 输入Top-1 88.31%速度更低要更低成本看同预训练路线的convnext_base.clip_laion2b_augreg_ft_in1k88.6M 参数Top-1 86.15%。总结convnext_large_mlp.clip_laion2b_augreg_ft_in1k 的 87.3% Top-1 并非偶然而是LAION-2B 超大规模图文预训练 CLIP 对比学习 ImageNet-1k 系统微调三段积累的结果。如果你需要一款 200M 参数级别、兼顾精度与推理速度的开源图像分类模型它可以放心入列。赞分享【免费下载链接】convnext_large_mlp.clip_laion2b_augreg_ft_in1k项目地址https://ai.gitcode.com/hf_mirrors/timm/convnext_large_mlp.clip_laion2b_augreg_ft_in1k点击查看免费下载相关推荐为什么8k上下文窗口如此重要InternVL2-Pretrain-Models的Stage-1预训练策略完整揭秘为什么8k上下文窗口如此重要InternVL2 Pretrain Models的Stage 1预训练策略完整揭秘 InternVL2 Pretrain深入探索CLIP ViT-B/16 - LAION-2B模型的参数奥秘深入探索CLIP ViT B/16 LAION 2B模型的参数奥秘 在现代机器学习领域模型参数的合理设置对于实现最佳性能至关重要。CLIP ViT B/16揭秘ESRGAN训练秘籍为什么更大的补丁尺寸能带来更出色的超分辨率效果揭秘ESRGAN训练秘籍为什么更大的补丁尺寸能带来更出色的超分辨率效果 ESRGANEnhanced Super Resolution Generative人工智能深度学习计算机视觉图像处理上一篇使用 Nix 开发 pandoc从 nix develop 开发环境到 direnv 自动激活的完整指南下一篇OneUptime 状态页品牌定制与自定义域名完整指南从七屏 Branding 配置到 CNAME SSL 上线创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
