К содержимому
Другое

nf_cbamresnet50.anfr_in1k

бэкбон ResNet-50 без нормализации для федеративного обучения

2 мин чтенияобновлено

Компактная модель классификации изображений (28,07 млн параметров), предобученная на датасете ImageNet-1k. Архитектура основана на модифицированной ResNet-50 без слоёв нормализации активаций, но с масштабируемой стандартизацией весов и модулями внимания CBAM в каждом блоке. Веса опубликованы авторами статьи в журнале TMLR (2025) как стартовый бэкбон для экспериментов по федеративному обучению, где стандартная пакетная нормализация часто деградирует на неоднородных данных. Модель пригодится исследователям и ML-инженерам для задач компьютерного зрения и распределённого обучения на устройствах.

Ключевые особенности

  • Без нормализации активаций: использует scaled weight standardization вместо привычных слоёв нормализации, что повышает устойчивость при работе с неоднородными батчами.
  • Внимание CBAM: в каждый блок сети встроен механизм канального внимания (CBAM) для адаптивной перекалибровки признаков.
  • Усреднённые веса (EMA): в чекпоинт сохранено экспоненциальное скользящее среднее весов с обучения (decay 0.9999) — именно эти веса использовались в статье.
  • Интеграция с timm: загружается напрямую через timm.create_model после предварительной регистрации архитектуры из репозитория авторов.

Что можно сделать

  • Запустить федеративное обучение: использовать веса как базовый энкодер в сценариях Federated Learning при сильной неоднородности данных (non-IID).
  • Дообучить под свою классификацию: адаптировать бэкбон под прикладную задачу распознавания картинок размером 224×224 через библиотеку timm.

Пример

import timm
import fl_bench.networks.anfr  # регистрирует nf_cbamresnet50

model = timm.create_model("hf_hub:adcw447/nf_cbamresnet50.anfr_in1k", pretrained=True)
ПодробнееКачество на ImageNet-1k: 80.37% (top-1 accuracy).
Вход: изображения 224×224, бикубическая интерполяция, стандартная нормализация ImageNet.
Обучение: оптимизатор RMSProp (вариант TensorFlow), batch size 1024, lr 0.09, RandAugment, mixup 0.2, drop path 0.1.
Ограничение: архитектура не встроена в timm по умолчанию — перед загрузкой нужно импортировать модуль из репозитория ANFR.
Обсудить Telegram 0 6

Запустится ли?

Запустится в F32

Влезает без сжатия.

  • F32веса 0.1 GB · готовые файлы0.6 GB
  • BF16веса 0.1 GB0.6 GB
  • FP8 / INT8рекомендуемвеса 0.0 GB0.5 GB
  • 4-bitвеса 0.0 GB0.5 GB

Совет: берите 8-bit.FP8 / INT8 почти не отличается по качеству от полной точности (разница в пределах процента), а памяти занимает вдвое меньше и на RTX 40/50, H100 работает быстрее. Полную точность есть смысл брать только для дообучения.

Что взять под эту модель

Massed ComputeОткрыть Massed Compute

Своя видеокарта: FP8 / INT8 — от RTX 2060 · F32 — от RTX 2060

Почасовые цены Massed Compute на ноябрь 2026. Цена со скидкой — с промокодом при оплате.

Оценка: веса плюс рабочая память. Длинные ролики, высокое разрешение и большой контекст требуют больше.

Запуск на Massed Compute

Скрипт скачает модель на арендованную машину. Как её запустить — в карточке модели.

  1. 1. Арендуйте машину с подходящей видеокартой

    Открыть Massed Compute
  2. 2. Вставьте скрипт в терминал машины

    Подключитесь по SSH (команда есть в панели Massed Compute) или откройте терминал на рабочем столе машины.

    HF_TOKEN / CIVITAI_TOKENВ начале скрипта строки для токенов: вставьте свой между кавычками. Токен Hugging Face нужен для закрытых моделей, токен Civitai — для моделей с Civitai.

    # adcw447/nf_cbamresnet50.anfr_in1k
    # ===== Токены: вставьте свои между кавычками =====
    export HF_TOKEN=""        # huggingface.co/settings/tokens — для закрытых моделей
    # ==========================================
    mkdir -p ~/models
    curl -LsSf https://astral.sh/uv/install.sh | sh
    source "$HOME/.local/bin/env"
    uv tool install "huggingface_hub[cli]"
    hf download adcw447/nf_cbamresnet50.anfr_in1k --local-dir ~/models/nf_cbamresnet50.anfr_in1k
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к nf_cbamresnet50.anfr_in1k
  3. 3. Пользуйтесь

    Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).

Не забудьте остановить машину в панели, когда закончите: оплата идёт поминутно, пока она включена.

Как ускорить

Подобрано под тип модели. Выберите своё железо в блоке выше — покажем то, что подходит именно вам.

  • FlashAttention 44.0.0b40от 18 ноября 2026новая версия

    самое быстрое точное внимание на B200

    Ядра для Blackwell (пока бета). Точное внимание без квантования — подходит для всего, включая LLM.

    Как включить: pip install flash-attn-4; vLLM и SGLang подхватывают сами.

    Предыдущие поколения (2)
    • FlashAttention 3 — Версия для Hopper (H100/H200) с FP8.
    • FlashAttention 2 — Стандарт для RTX 30/40/50 и A100: точное внимание без лишней памяти на длинных контекстах.
  • torch.compile2.15.0от 28 октября 2026новая версия

    10–30% бесплатно

    Компилирует модель под вашу видеокарту. Первый запуск дольше, дальше быстрее.

    Как включить: model = torch.compile(model); в ComfyUI — узел TorchCompileModel.

Семья модели

Новые посты про версии nf_cbamresnet50.anfr_in1k — сжатые, дообучения, LoRA — появятся в колокольчике.

У этой модели пока нет известных родственников. Все производные на Hugging Face

О модели

adcw447/nf_cbamresnet50.anfr_in1k
Автор
adcw447
Категория
Другое
Дата выхода
На сайте

На сайте

Hugging Face

60

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии

Другое

GeoReVis

GeoReVis