400 128 6709

行业新闻

Shunted Transformer 飞桨权重迁移体验

发布时间:2025-08-01点击次数:
本文介绍基于PaddleClas实现的Shunt Transformer,针对ViT感受野局限,提出shunted self-attention获取多尺度信息,结合特定前馈层增强联系。转换PyTorch权重后,在ImageNet-1k验证,shunt_s和shunt_b精度接近原结果。

☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 免费无限量使用 DeepSeek R1 模型☜☜☜

shunted transformer 飞桨权重迁移体验 -

Shunted Self-Attention via Multi-Scale Token Aggregation

paper:Shunted Self-Attention via Multi-Scale Token Aggregation
github:https://github.com/OliverRensu/Shunted-Transformer

ViT模型在设计时有个特点:在相同的层中每个token的感受野相同。这限制了self-attention层捕获多尺度特征的能力,从而导致处理多尺度目标的图片时性能下降。针对这个问题,作者提出了shunted self-attention,使得每个attention层可以获取多尺度信息。
本项目使用PaddleClas实现Shunt Transformer组网,并且将官方提供的pytorch权重转换为PaddlePaddle权重,在ImageNet-1k 验证集测试其精度。

一、Shunted Self-Attention

本篇论文的核心是提出了Shunted Self-Attention,几种不同的ViT模块对比如下:

Shunted Transformer 飞桨权重迁移体验 -        

ViT: QKV维度相同,可以得到全局感受野但是计算量大
Swin:划分window,self-attention在窗口内计算减少计算量,同时引入shift操作使得感受野增加
PVT:降低KV的patch数量来降低计算量
shunted Self-Attention:在单个attention层计算时得到多尺度KV,再计算Self-Attention

计算过程如下:
Shunted Transformer 飞桨权重迁移体验 -
上式中,i表示KV尺度的个数,MTA(multi-scale token aggregation)表示下采样率为ri的特征聚合模块(通过带步长的卷积实现),LE是深度可分离卷积层,用来增强V中相邻像素的联系。

Openflow Openflow

一键极速绘图,赋能行业工作流

Openflow 88 查看详情 Openflow

实现代码:

class Attention(nn.Layer):
    def __init__(self, dim, num_heads=8, qkv_bias=False, qk_scale=None, attn_drop=0., proj_drop=0., sr_ratio=1):
        super().__init__()        assert dim % num_heads == 0, f"dim {dim} should be divided by num_heads {num_heads}."

        self.dim = dim
        self.num_heads = num_heads
        head_dim = dim // num_heads
        self.scale = qk_scale or head_dim ** -0.5
        self.q = nn.Linear(dim, dim, bias_attr=qkv_bias)
        self.attn_drop = nn.Dropout(attn_drop)
        self.proj = nn.Linear(dim, dim)
        self.proj_drop = nn.Dropout(proj_drop)

        self.sr_ratio = sr_ratio        if sr_ratio > 1:
            self.act = nn.GELU()            if sr_ratio==8:
                self.sr1 = nn.Conv2D(dim, dim, kernel_size=8, stride=8)
                self.norm1 = nn.LayerNorm(dim)
                self.sr2 = nn.Conv2D(dim, dim, kernel_size=4, stride=4)
                self.norm2 = nn.LayerNorm(dim)            if sr_ratio==4:
                self.sr1 = nn.Conv2D(dim, dim, kernel_size=4, stride=4)
                self.norm1 = nn.LayerNorm(dim)
                self.sr2 = nn.Conv2D(dim, dim, kernel_size=2, stride=2)
                self.norm2 = nn.LayerNorm(dim)            if sr_ratio==2:
                self.sr1 = nn.Conv2D(dim, dim, kernel_size=2, stride=2)
                self.norm1 = nn.LayerNorm(dim)
                self.sr2 = nn.Conv2D(dim, dim, kernel_size=1, stride=1)
                self.norm2 = nn.LayerNorm(dim)
            self.kv1 = nn.Linear(dim, dim, bias_attr=qkv_bias)
            self.kv2 = nn.Linear(dim, dim, bias_attr=qkv_bias)
            self.local_conv1 = nn.Conv2D(dim//2, dim//2, kernel_size=3, padding=1, stride=1, groups=dim//2)
            self.local_conv2 = nn.Conv2D(dim//2, dim//2, kernel_size=3, padding=1, stride=1, groups=dim//2)        else:
            self.kv = nn.Linear(dim, dim * 2, bias_attr=qkv_bias)
            self.local_conv = nn.Conv2D(dim, dim, kernel_size=3, padding=1, stride=1, groups=dim)
        self.apply(self._init_weights)    def forward(self, x, H, W):
        B, N, C = x.shape
        q = self.q(x).reshape([B, N, self.num_heads, C // self.num_heads]).transpose([0, 2, 1, 3])        if self.sr_ratio > 1:
                x_ = x.transpose([0, 2, 1]).reshape([B, C, H, W])
                x_1 = self.act(self.norm1(self.sr1(x_).reshape([B, C, -1]).transpose([0, 2, 1])))
                x_2 = self.act(self.norm2(self.sr2(x_).reshape([B, C, -1]).transpose([0, 2, 1])))
                kv1 = self.kv1(x_1).reshape([B, -1, 2, self.num_heads//2, C // self.num_heads]).transpose([2, 0, 3, 1, 4])
                kv2 = self.kv2(x_2).reshape([B, -1, 2, self.num_heads//2, C // self.num_heads]).transpose([2, 0, 3, 1, 4])
                k1, v1 = kv1[0], kv1[1] #B head N C
                k2, v2 = kv2[0], kv2[1]
                attn1 = (q[:, :self.num_heads//2] @ k1.transpose([0, 1, 3, 2])) * self.scale
                attn1 = F.softmax(attn1, axis=-1)
                attn1 = self.attn_drop(attn1)
                v1 = v1 + self.local_conv1(v1.transpose([0, 2, 1, 3]).reshape([B, -1, C//2]).
                                        transpose([0, 2, 1]).reshape([B,C//2, H//self.sr_ratio, W//self.sr_ratio])).\
                    reshape([B, C//2, -1]).reshape([B, self.num_heads//2, C // self.num_heads, -1]).transpose([0, 1, 3, 2])
                x1 = (attn1 @ v1).transpose([0, 2, 1, 3]).reshape([B, N, C//2])
                attn2 = (q[:, self.num_heads // 2:] @ k2.transpose([0, 1, 3, 2])) * self.scale
                attn2 = F.softmax(attn2, axis=-1)
                attn2 = self.attn_drop(attn2)
                v2 = v2 + self.local_conv2(v2.transpose([0, 2, 1, 3]).reshape([B, -1, C//2]).
                                        transpose([0, 2, 1]).reshape([B, C//2, H*2//self.sr_ratio, W*2//self.sr_ratio])).\
                    reshape([B, C//2, -1]).reshape([B, self.num_heads//2, C // self.num_heads, -1]).transpose([0, 1, 3, 2])
                x2 = (attn2 @ v2).transpose([0, 2, 1, 3]).reshape([B, N, C//2])

                x = paddle.concat([x1, x2], axis=-1)        else:
            kv = self.kv(x).reshape([B, -1, 2, self.num_heads, C // self.num_heads]).transpose([2, 0, 3, 1, 4])
            k, v = kv[0], kv[1]

            attn = (q @ k.transpose([0, 1, 3, 2])) * self.scale
            attn = F.softmax(attn, axis=-1)
            attn = self.attn_drop(attn)

            x = (attn @ v).transpose([0, 2, 1, 3]).reshape([B, N, C]) + self.local_conv(v.transpose([0, 2, 1, 3]).reshape([B, N, C]).
                                        transpose([0, 2, 1]).reshape([B,C, H, W])).reshape([B, C, N]).transpose([0, 2, 1])
        x = self.proj(x)
        x = self.proj_drop(x)        return x

   

二、Detail-specific Feedforward Layers

在MLP中加入了Detail Specific分支(depth-wise卷积)来增强相邻像素的联系,与PVT的MLP不同是有了残差连接。
PS:源码中GELU的位置和残差连接的位置顺序与图相反,参考下方代码。
Shunted Transformer 飞桨权重迁移体验 -        

代码如下:

class Mlp(nn.Module):
    def __init__(self, in_features, hidden_features=None, out_features=None, act_layer=nn.GELU, drop=0.):
        super().__init__()
        out_features = out_features or in_features
        hidden_features = hidden_features or in_features
        self.fc1 = nn.Linear(in_features, hidden_features)
        self.dwconv = DWConv(hidden_features)
        self.act = act_layer()
        self.fc2 = nn.Linear(hidden_features, out_features)
        self.drop = nn.Dropout(drop)    def forward(self, x, H, W):
        x = self.fc1(x)
        x = self.act(x + self.dwconv(x, H, W))  # 残差连接,这里和图画的顺序不一样,图应该画错了
        x = self.drop(x)
        x = self.fc2(x)
        x = self.drop(x)        return xclass DWConv(nn.Module):
    def __init__(self, dim=768):
        super(DWConv, self).__init__()
        self.dwconv = nn.Conv2d(dim, dim, 3, 1, 1, bias=True, groups=dim)    def forward(self, x, H, W):
        B, N, C = x.shape
        x = x.transpose(1, 2).view(B, C, H, W)
        x = self.dwconv(x)
        x = x.flatten(2).transpose(1, 2)        return x
   

三、网络结构

网络结构如图所示,整体结构与大部分模型相同,区别在于内部的Transfmer block做出了上述改进,此外,该网络未使用cls_token和pos_embedding。Shunted Transformer 飞桨权重迁移体验 -        

四、实验结果

在ImageNet-1k上表现如下:
Shunted Transformer 飞桨权重迁移体验 -        

五、快速体验

使用paddleclas组网,并将官方repo提供的shunt_s和shunt_b权重由pytorch转换为paddle,在iamgenet-1k上验证其效果,结果如下表:

模型 分辨率 acc-top1(torch) acc_top1(paddle)
shunt_t 224x224 79.8% 官方未提供权重
shunt_s 224x224 82.9% 82.87%
shunt_b 224x224 84.0% 83.826%
In [ ]
# step 1: tar dataset%cd ~/
!mkdir ~/data/data96753/val
!tar -xf ~/data/data96753/ILSVRC2012_img_val.tar -C ~/data/data96753/val
    In [ ]
# step 2: unzip weight%cd ~/data/data139670/
!unzip -oq shunt_weight.zip
    In [ ]
# step 3: ImageNet-1K val  shunt_s%cd ~/PaddleClas/
!python3 tools/eval.py -c ./ppcls/configs/ImageNet/shunt/shunt_s.yaml \
    -o Global.pretrained_model=/home/aistudio/data/data139670/shunt_s
    In [ ]
# step 3: ImageNet-1K val  shunt_b%cd ~/PaddleClas/
!python3 tools/eval.py -c ./ppcls/configs/ImageNet/shunt/shunt_b.yaml \
    -o Global.pretrained_model=/home/aistudio/data/data139670/shunt_b
   

以上就是Shunted Transformer 飞桨权重迁移体验的详细内容,更多请关注其它相关文章!


# git  # python  # 导航推广营销案例  # 沙漠骆驼视频网站建设  # 开封抖音推广营销招聘网  # 免费网站推广系统  # 亚马逊黑科技操纵关键词排名  # seo图片命名技巧  # 付陶seo  # 上海网站优化推广找哪家  # 金华网站建站建设  # 网站推广怎么避免流失  # 相关文章  # 这个问题  # 工作流  # 出了  # 有个  # 官网  # 转换为  # 提出了  # 一言  # 中文网  # fig  # latte  # udio  # igs  # 区别  # ai 


相关栏目: 【 行业新闻62819 】 【 科技资讯67470


相关推荐: 智能手机应用中的人工智能的重要性  美版贴吧8000小组自爆停摆!拒绝数据被谷歌OpenAI白嫖,CEO被网友骂翻:背刺第三方应用  真全息产品,亮相深圳文博会——dipal数伴拓展元宇宙非沉浸式体验  AI大模型火了!科技巨头纷纷加入,多地政策加码加速落地  深度学习模型综述:用于3D MRI和CT扫描的应用  360发布数字安全和人工智能的强大结合:360安全大模型  马斯克反讽人工智能AI炒作:“机器学习”本质就是统计  当一切设备都受到人工智能的控制  鉴智机器人发布基于地平线征程5的标准视觉感知产品  “木头姐”:特斯拉的人工智能训练——“赢家通吃”的机会  你大脑中的画面,现在可以高清还原了  视觉中国宣布推出AI灵感绘图、画面扩展功能  曝索尼在开发新头显设备:游戏中使用AR技术  OpenAI 引入个性化指令功能,消除对话中的重复偏好与信息  厂商陆续公布AI进展 完美世界游戏展示复合应用AI in GamePlay  数字彩排、虚拟建厂!这家顶级洗衣机工厂敲开“工业元宇宙”之门  找对了风口想不火都难,乐天派机器人,安卓机器人的最终形态?  Meta 为打造元宇宙不惜下血本:VR 开发者年薪高达百万美元  百度举办AIGC创作沙龙,现场传授AI绘画“咒语”技巧  华为4G5G通信物联网收费标准公布,多年研发成果,十年花费近万亿  对话式论文阅读工具PaperMate上线,综述细节AI告诉你  国内通用人形机器人将发布、产业加速突破  智能客服进入AI 2.0时代 容联云发布语言大模型“赤兔”  13 个提高生产力的 AI 工具  周鸿祎参加中美青年科技创新峰会,分享人工智能创新机遇  【搞事】时隔4年 谷歌更新安卓logo 机器人头更饱满了  CREATOR制造、使用工具,实现LLM「自我进化」  Stability AI 推出文生图模型 SDXL0.9,GPU要求下探至消费级水平  微软为 AI 初学者推出免费网课:为期 12 周,共 24 节课  人工智能改变网络安全和用户体验的三种方式  微盟宣布联合腾讯云共建行业大模型:加快激活AI大模型智能应用  参考封面|人工智能“淘金热”  如何利用物联网技术提高企业生产线智能化水平,提升生产效率  破解零碳产业园建设规范和成果评价难题  优化系统韧性:故障恢复与监控在RabbitMQ中的应用  利好来了,AI再起一波?  美图秀秀发布7款AI产品:支持用户创作、商业创作  可按用户语气自动回复消息,Zoom 推出基于生成式 AI 的新功能  Prompt解锁语音语言模型生成能力,SpeechGen实现语音翻译、修补多项任务  LinkedIn 推出生成式 AI 辅助撰写帖文功能,将向所有用户开放  构建AI绘画网站的方法:使用API接口和调用步骤  全新“AI助手”!讯飞星火助手中心人机协作共创新生态  “可用”“有用”的讯飞星火认知大模型将亮相世界人工智能大会  生成式人工智能如何改变云安全的游戏规则  国内首款大尺寸仿鸵双足机器人“大圣”亮相,穿戴红色战袍  Meta Connect 2025已确定时间为9月27-28,主题涵盖Quest 3与AI技术  北京公司实施AI技术,推行4.5天工作制,抵制996文化,提升员工工作幸福感  “直击”AI新世界,智能机器人再次“火出圈”了  生活垃圾智能分类机器人社区展“才能”,征求居民意见  探展WAIC | 第四范式“式说”聚焦toB大模型,布局生成式AI重构企业软件 

400 128 6709
E-mail

contact@tlftec.cn

扫一扫,添加微信

©  云南淘乐房科技有限公司 版权所有  滇ICP备2025071560号  

云南淘乐房科技有限公司 云南淘乐房科技有限公司 云南淘乐房科技有限公司 云南淘乐房科技有限公司 云南淘乐房科技有限公司 云南淘乐房科技有限公司 云南淘乐房科技有限公司 云南淘乐房科技有限公司 云南淘乐房科技有限公司 云南淘乐房科技有限公司