segmentation_pytorch库需要用huggingface，但是国内无法访问时，使用离线的方式

Shuai@2024-11-11 14:16

方法一：

使用这种方式FPN(encoder=maxvit_small_tf_224(pretrained_cfg_overlay=dict(file=cached_safe_file),features_only=True,pretrained=False),读取bin文件

python 复制代码

cached_safe_file = "/home/xx/myProject/data/pytorch_weights/maxvit_small_tf_224.bin"
# args.net.encoder.model = timm.create_model(
#     "maxvit_base_tf_224",pretrained=True,
#     pretrained_cfg_overlay=dict(file=cached_safe_file),features_only=True)

from Netwroks.segmentation.segmentation.decoders.fpn.transformer_decoder import FPN
from Netwroks.segmentation.encoder.model2 import maxvit_base_tf_224,maxvit_tiny_tf_224,maxvit_small_tf_224

args.net = FPN(encoder=maxvit_small_tf_224(pretrained_cfg_overlay=dict(file=cached_safe_file),features_only=True,pretrained=False),
    in_channels=3,      
    classes=1, 
    activation='sigmoid' )

方法二

下面这种方式也可以，读取model.safetensors

python 复制代码

args.net  = smp.FPN(
    encoder_name="tu-maxvit_base_tf_224",#'tu-maxvit_base_tf_224',        # 选择解码器, 例如 mobilenet_v2 或 efficientnet-b7
    encoder_weights=None,     # 使用预先训练的权重imagenet进行解码器初始化
    in_channels=3,                  # 模型输入通道（1个用于灰度图像，3个用于RGB等）
    classes=1, 
    activation='sigmoid'                    # 模型输出通道（数据集所分的类别总数）
)
import timm
cached_safe_file = "/home/xx/.cache/huggingface/hub/models--timm--maxvit_base_tf_224.in1k/snapshots/ede2304fc169e23779075c092a477302f23660f8/model.safetensors"
args.net.encoder.model = timm.create_model(
    "maxvit_base_tf_224",pretrained=True,
    pretrained_cfg_overlay=dict(file=cached_safe_file),features_only=True)