【免费下载链接】cait_xxs24_384.fb_dist_in1k项目地址https://ai.gitcode.com/hf_mirrors/timm/cait_xxs24_384.fb_dist_in1k点击查看免费下载cait_xxs24_384.fb_dist_in1k 是一个基于 timm 框架的 CaiTClass-Attention in Image Transformers图像分类模型由 Facebook 研究团队在 ImageNet-1k 数据集上通过知识蒸馏预训练仅约 1200 万参数可对任意图片输出 1000 个类别的概率分布。本文带你从零环境搭建到跑通第一张图像的推理10 分钟内即可完成全部步骤。一、1分钟了解这个模型是什么CaiT 是 2021 年 ICCV 论文《Going Deeper With Image Transformers》提出的模型结构它在 ViT 的基础上增加了局部注意力让网络既能看局部细节、又能看全局语义。cait_xxs24_384.fb_dist_in1k中的命名拆解如下名称片段含义caitClass-Attention in Image Transformers 模型家族xxs24xxs 超小型规格patch size 为 24384输入图像尺寸为 384×384fb_distFacebook 官方权重经知识蒸馏训练in1k在 ImageNet-1k1000 类上预训练几个关键指标非常适合入门尝鲜 参数量约 12.0M很小CPU 也能跑⚡ 计算量约 9.6 GMACs推理速度很快️ 输入尺寸384×384固定不可随意更改️ 输出类别1000ImageNet-1k 类别编号 0~999仓库内包含 4 个核心文件文件说明README.md模型卡片包含模型详情与使用示例config.json模型配置文件含输入尺寸、归一化参数等model.safetensors模型权重safetensors 格式pytorch_model.bin模型权重PyTorch 格式二、环境准备一条命令装好依赖推理只需要 3 个依赖PyTorch、timm 和 Pillow。pip install torch timm Pillow 说明timm.create_model(cait_xxs24_384.fb_dist_in1k, pretrainedTrue)首次调用时会自动下载预训练权重并缓存到本地无需手动 clone 仓库。三、完整推理代码一次跑通图像分类把下面这段代码保存为inference.py用一张本地图片如cat.jpg替换路径即可运行import torch import timm from PIL import Image # 1. 加载预训练模型首次会自动下载权重 model timm.create_model(cait_xxs24_384.fb_dist_in1k, pretrainedTrue) model.eval() # 2. 自动获取该模型的预处理配置缩放、归一化等 data_config timm.data.resolve_model_data_config(model) transforms timm.data.create_transform(**data_config, is_trainingFalse) # 3. 打开本地图片 - 预处理 - 增加 batch 维度 - 放到对应设备 device cuda if torch.cuda.is_available() else cpu model model.to(device) img Image.open(cat.jpg).convert(RGB) tensor transforms(img).unsqueeze(0).to(device) # 形状 (1, 3, 384, 384) # 4. 推理取 Top-5 类别 with torch.no_grad(): output model(tensor) top5_probs, top5_idx torch.topk(output.softmax(dim1) * 100, k5) print(Top-5 概率(%), top5_probs) print(Top-5 类别编号, top5_idx)代码关键点解读第 2 步是新手最容易忽略的不同模型需要的 resize、裁剪、归一化参数不同resolve_model_data_config会直接从 config.json 中读取正确配置避免图片处理不对导致结果不准。unsqueeze(0)把单张图片变成 batch这是 PyTorch 模型的输入惯例。输出的类别编号对应 ImageNet-1k 的 1000 个类别0~999例如206通常是金毛寻回犬。四、读懂 config.json这些参数意味着什么打开 config.json有几个字段值得了解{ architecture: cait_xxs24_384, num_classes: 1000, num_features: 192, global_pool: token }num_classes: 1000分类头输出 1000 个类别的得分num_features: 192模型主干特征维度若用于提取图像向量就是这个维度global_pool: token用分类 token 做全局聚合pretrained_cfg.input_size: [3, 384, 384]输入必须是 3 通道、384×384 的 RGB 图像pretrained_cfg.mean / stdImageNet 标准的归一化均值和标准差0.485/0.456/0.406create_transform已自动应用五、新手最易踩的 3 个坑与排查方法报错 / 现象原因解决方式Expected all tensors to be on the same device模型和输入图片张量不在同一设备CPU/GPU按上文代码统一model.to(device)和tensor.to(device)结果明显不准确自己手写了 resize/归一化参数不匹配用resolve_model_data_configcreate_transform自动生成预处理首次运行卡住无响应正在自动下载约 50MB 的预训练权重耐心等待权重会缓存到~/.cache第二次秒开六、进阶玩法把模型当图像特征提取器除了分类该模型还能输出 192 维的图像特征向量可用于相似图片检索、聚类、做下游小样本分类等model timm.create_model(cait_xxs24_384.fb_dist_in1k, pretrainedTrue, num_classes0) # 去掉分类头只保留特征主干 model.eval() with torch.no_grad(): features model(transforms(img).unsqueeze(0)) # 形状 (1, 192)更多用法如forward_features获取未池化的 577×192 token 级特征可参考 README.md 中的 Image Embeddings 章节。七、总结 模型定位轻量级12M 参数CaiT 图像分类器ImageNet-1k 蒸馏预训练⏱️ 上手成本装依赖 1 条命令 推理代码约 20 行10 分钟可跑通 仓库文件模型卡片见 README.md配置见 config.json权重见 model.safetensors 下一步建议尝试更换不同图片观察 Top-5 变化把num_classes换成你的数据类别数做少量数据的微调训练现在就可以打开终端把cat.jpg换成你手边的任意一张照片跑通属于你自己的第一次 AI 图像分类推理。赞分享【免费下载链接】cait_xxs24_384.fb_dist_in1k项目地址https://ai.gitcode.com/hf_mirrors/timm/cait_xxs24_384.fb_dist_in1k点击查看免费下载相关推荐基于 Claude Code 子代理实现加密货币实时分析crypto-coin-analyzer-sonnet 配置与提示词全解基于 Claude Code 子代理实现加密货币实时分析crypto coin analyzer sonnet 配置与提示词全解 本篇技术指南围绕 claud人工智能计算机视觉深度学习如何快速上手 AgentScope Java10 分钟从零跑通你的第一个智能体附完整代码如何快速上手 AgentScope Java10 分钟从零跑通你的第一个智能体附完整代码 AgentScope Java 是一个面向生产环境的 Java人工智能AI Agent多智能体Agent 框架工具调用RAG如何5分钟跑通 InternVL3-8B-Instruct零基础上手你的第一张图像对话附完整代码如何5分钟跑通 InternVL3 8B Instruct零基础上手你的第一张图像对话附完整代码 想在 5 分钟内让多模态大模型 InternVL3上一篇SpinKit动画时间管理基于请求优先级的动态调整下一篇开源射频设计工具的未来RF-Tools-KiCAD路线图与社区发展创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 如何10分钟快速上手cait_xxs24_384.fb_dist_in1k：从零跑通第一张图像分类推理（附完整代码）
【免费下载链接】cait_xxs24_384.fb_dist_in1k项目地址https://ai.gitcode.com/hf_mirrors/timm/cait_xxs24_384.fb_dist_in1k点击查看免费下载cait_xxs24_384.fb_dist_in1k 是一个基于 timm 框架的 CaiTClass-Attention in Image Transformers图像分类模型由 Facebook 研究团队在 ImageNet-1k 数据集上通过知识蒸馏预训练仅约 1200 万参数可对任意图片输出 1000 个类别的概率分布。本文带你从零环境搭建到跑通第一张图像的推理10 分钟内即可完成全部步骤。一、1分钟了解这个模型是什么CaiT 是 2021 年 ICCV 论文《Going Deeper With Image Transformers》提出的模型结构它在 ViT 的基础上增加了局部注意力让网络既能看局部细节、又能看全局语义。cait_xxs24_384.fb_dist_in1k中的命名拆解如下名称片段含义caitClass-Attention in Image Transformers 模型家族xxs24xxs 超小型规格patch size 为 24384输入图像尺寸为 384×384fb_distFacebook 官方权重经知识蒸馏训练in1k在 ImageNet-1k1000 类上预训练几个关键指标非常适合入门尝鲜 参数量约 12.0M很小CPU 也能跑⚡ 计算量约 9.6 GMACs推理速度很快️ 输入尺寸384×384固定不可随意更改️ 输出类别1000ImageNet-1k 类别编号 0~999仓库内包含 4 个核心文件文件说明README.md模型卡片包含模型详情与使用示例config.json模型配置文件含输入尺寸、归一化参数等model.safetensors模型权重safetensors 格式pytorch_model.bin模型权重PyTorch 格式二、环境准备一条命令装好依赖推理只需要 3 个依赖PyTorch、timm 和 Pillow。pip install torch timm Pillow 说明timm.create_model(cait_xxs24_384.fb_dist_in1k, pretrainedTrue)首次调用时会自动下载预训练权重并缓存到本地无需手动 clone 仓库。三、完整推理代码一次跑通图像分类把下面这段代码保存为inference.py用一张本地图片如cat.jpg替换路径即可运行import torch import timm from PIL import Image # 1. 加载预训练模型首次会自动下载权重 model timm.create_model(cait_xxs24_384.fb_dist_in1k, pretrainedTrue) model.eval() # 2. 自动获取该模型的预处理配置缩放、归一化等 data_config timm.data.resolve_model_data_config(model) transforms timm.data.create_transform(**data_config, is_trainingFalse) # 3. 打开本地图片 - 预处理 - 增加 batch 维度 - 放到对应设备 device cuda if torch.cuda.is_available() else cpu model model.to(device) img Image.open(cat.jpg).convert(RGB) tensor transforms(img).unsqueeze(0).to(device) # 形状 (1, 3, 384, 384) # 4. 推理取 Top-5 类别 with torch.no_grad(): output model(tensor) top5_probs, top5_idx torch.topk(output.softmax(dim1) * 100, k5) print(Top-5 概率(%), top5_probs) print(Top-5 类别编号, top5_idx)代码关键点解读第 2 步是新手最容易忽略的不同模型需要的 resize、裁剪、归一化参数不同resolve_model_data_config会直接从 config.json 中读取正确配置避免图片处理不对导致结果不准。unsqueeze(0)把单张图片变成 batch这是 PyTorch 模型的输入惯例。输出的类别编号对应 ImageNet-1k 的 1000 个类别0~999例如206通常是金毛寻回犬。四、读懂 config.json这些参数意味着什么打开 config.json有几个字段值得了解{ architecture: cait_xxs24_384, num_classes: 1000, num_features: 192, global_pool: token }num_classes: 1000分类头输出 1000 个类别的得分num_features: 192模型主干特征维度若用于提取图像向量就是这个维度global_pool: token用分类 token 做全局聚合pretrained_cfg.input_size: [3, 384, 384]输入必须是 3 通道、384×384 的 RGB 图像pretrained_cfg.mean / stdImageNet 标准的归一化均值和标准差0.485/0.456/0.406create_transform已自动应用五、新手最易踩的 3 个坑与排查方法报错 / 现象原因解决方式Expected all tensors to be on the same device模型和输入图片张量不在同一设备CPU/GPU按上文代码统一model.to(device)和tensor.to(device)结果明显不准确自己手写了 resize/归一化参数不匹配用resolve_model_data_configcreate_transform自动生成预处理首次运行卡住无响应正在自动下载约 50MB 的预训练权重耐心等待权重会缓存到~/.cache第二次秒开六、进阶玩法把模型当图像特征提取器除了分类该模型还能输出 192 维的图像特征向量可用于相似图片检索、聚类、做下游小样本分类等model timm.create_model(cait_xxs24_384.fb_dist_in1k, pretrainedTrue, num_classes0) # 去掉分类头只保留特征主干 model.eval() with torch.no_grad(): features model(transforms(img).unsqueeze(0)) # 形状 (1, 192)更多用法如forward_features获取未池化的 577×192 token 级特征可参考 README.md 中的 Image Embeddings 章节。七、总结 模型定位轻量级12M 参数CaiT 图像分类器ImageNet-1k 蒸馏预训练⏱️ 上手成本装依赖 1 条命令 推理代码约 20 行10 分钟可跑通 仓库文件模型卡片见 README.md配置见 config.json权重见 model.safetensors 下一步建议尝试更换不同图片观察 Top-5 变化把num_classes换成你的数据类别数做少量数据的微调训练现在就可以打开终端把cat.jpg换成你手边的任意一张照片跑通属于你自己的第一次 AI 图像分类推理。赞分享【免费下载链接】cait_xxs24_384.fb_dist_in1k项目地址https://ai.gitcode.com/hf_mirrors/timm/cait_xxs24_384.fb_dist_in1k点击查看免费下载相关推荐基于 Claude Code 子代理实现加密货币实时分析crypto-coin-analyzer-sonnet 配置与提示词全解基于 Claude Code 子代理实现加密货币实时分析crypto coin analyzer sonnet 配置与提示词全解 本篇技术指南围绕 claud人工智能计算机视觉深度学习如何快速上手 AgentScope Java10 分钟从零跑通你的第一个智能体附完整代码如何快速上手 AgentScope Java10 分钟从零跑通你的第一个智能体附完整代码 AgentScope Java 是一个面向生产环境的 Java人工智能AI Agent多智能体Agent 框架工具调用RAG如何5分钟跑通 InternVL3-8B-Instruct零基础上手你的第一张图像对话附完整代码如何5分钟跑通 InternVL3 8B Instruct零基础上手你的第一张图像对话附完整代码 想在 5 分钟内让多模态大模型 InternVL3上一篇SpinKit动画时间管理基于请求优先级的动态调整下一篇开源射频设计工具的未来RF-Tools-KiCAD路线图与社区发展创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考