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

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)
相关推荐
数据智能老司机9 小时前
精通 Python 设计模式——分布式系统模式
python·设计模式·架构
数据智能老司机10 小时前
精通 Python 设计模式——并发与异步模式
python·设计模式·编程语言
数据智能老司机10 小时前
精通 Python 设计模式——测试模式
python·设计模式·架构
数据智能老司机10 小时前
精通 Python 设计模式——性能模式
python·设计模式·架构
c8i11 小时前
drf初步梳理
python·django
每日AI新事件11 小时前
python的异步函数
python
这里有鱼汤12 小时前
miniQMT下载历史行情数据太慢怎么办?一招提速10倍!
前端·python
databook21 小时前
Manim实现脉冲闪烁特效
后端·python·动效
程序设计实验室21 小时前
2025年了,在 Django 之外,Python Web 框架还能怎么选?
python
倔强青铜三1 天前
苦练Python第46天:文件写入与上下文管理器
人工智能·python·面试