timm 视觉库中的 create_model 函数详解

最近一年 Vision Transformer 及其相关改进的工作层出不穷，在他们开源的代码中，大部分都用到了这样一个库：timm。各位炼丹师应该已经想必已经对其无比熟悉了，本文将介绍其中最关键的函数之一：create_model 函数。

timm简介

PyTorchImageModels，简称timm，是一个巨大的PyTorch代码集合，包括了一系列：

• image models
• layers
• utilities
• optimizers
• schedulers
• data-loaders / augmentations
• training / validation scripts

旨在将各种 SOTA 模型、图像实用工具、常用的优化器、训练策略等视觉相关常用函数的整合在一起，并具有复现ImageNet训练结果的能力。

源码：https://github.com/rwightman/pytorch-image-models

文档：https://fastai.github.io/timmdocs/

create_model 函数的使用及常用参数

本小节先介绍 create_model 函数，及常用的参数 **kwargs。

顾名思义，create_model 函数是用来创建一个网络模型（如 ResNet、ViT 等），timm 库本身可供直接调用的模型已有接近400个，用户也可以自己实现一些模型并注册进 timm （这一部分内容将在下一小节着重介绍），供自己调用。

model_name

我们首先来看最简单地用法：直接传入模型名称 model_name

import timm 
# 创建 resnet-34 
model = timm.create_model(\'resnet34\')
# 创建 efficientnet-b0
model = timm.create_model(\'efficientnet_b0\')

我们可以通过 list_models 函数来查看已经可以直接创建、有预训练参数的模型列表：

all_pretrained_models_available = timm.list_models(pretrained=True)
print(all_pretrained_models_available)
print(len(all_pretrained_models_available))

输出：

[..., \'vit_large_patch16_384\', \'vit_large_patch32_224_in21k\', \'vit_large_patch32_384\', \'vit_small_patch16_224\', \'wide_resnet50_2\', \'wide_resnet101_2\', \'xception\', \'xception41\', \'xception65\', \'xception71\']
452

如果没有设置 pretrained=True 的话有将会输出612，即有预训练权重参数的模型有452个，没有预训练参数，只有模型结构的共有612个。

pretrained

如果我们传入 pretrained=True，那么 timm 会从对应的 URL 下载模型权重参数并载入模型，只有当第一次（即本地还没有对应模型参数时）会去下载，之后会直接从本地加载模型权重参数。

model = timm.create_model(\'resnet34\', pretrained=True)

输出：

Downloading: \"https://github.com/rwightman/pytorch-image-models/releases/download/v0.1-weights/resnet34-43635321.pth\" to /home/song/.cache/torch/hub/checkpoints/resnet34-43635321.pth

features_only、out_indices

create_mode 函数还支持 features_only=True 参数，此时函数将返回部分网络，该网络提取每一步最深一层的特征图。还可以使用 out_indices=[…] 参数指定层的索引，以提取中间层特征。

# 创建一个 (1, 3, 224, 224) 形状的张量
x = torch.randn(1, 3, 224, 224)
model = timm.create_model(\'resnet34\')
preds = model(x)
print(\'preds shape: {}\'.format(preds.shape))

all_feature_extractor = timm.create_model(\'resnet34\', features_only=True)
all_features = all_feature_extractor(x)
print(\'All {} Features: \'.format(len(all_features)))
for i in range(len(all_features)):
    print(\'feature {} shape: {}\'.format(i, all_features[i].shape))

out_indices = [2, 3, 4]
selected_feature_extractor = timm.create_model(\'resnet34\', features_only=True, out_indices=out_indices)
selected_features = selected_feature_extractor(x)
print(\'Selected Features: \')
for i in range(len(out_indices)):
    print(\'feature {} shape: {}\'.format(out_indices[i], selected_features[i].shape))

我们以一个 (1, 3, 224, 224) 形状的张量为输入，在视觉任务中，图像输入张量总是类似的形状。上面例程展示了，创建完整模型 model，创建完整特征提取器 all_feature_extractor，和创建某几层特征提取器 selected_feature_extractor 的具体输出。

可以结合下面 ResNet34 的结构图来理解（图中不同的颜色表示不同的 layer），根据下图分析各层的卷积操作，计算各层最后一个卷积的输入，并与上面例程的输出（附在图后）验证是否一致。

输出：

preds shape: torch.Size([1, 1000])
All 5 Features:
feature 0 shape: torch.Size([1, 64, 112, 112])
feature 1 shape: torch.Size([1, 64, 56, 56])
feature 2 shape: torch.Size([1, 128, 28, 28])
feature 3 shape: torch.Size([1, 256, 14, 14])
feature 4 shape: torch.Size([1, 512, 7, 7])
Selected Features:
feature 2 shape: torch.Size([1, 128, 28, 28])
feature 3 shape: torch.Size([1, 256, 14, 14])
feature 4 shape: torch.Size([1, 512, 7, 7])

这样，我们就可以通过 timm_model 函数及其 features_only 、out_indices 参数将预训练模型方便地转换为自己想要的特征提取器。

接下来我们来看一下这些特征提取器究竟是什么类型：

import timm
feature_extractor = timm.create_model(\'resnet34\', features_only=True, out_indices=[3])

print(\'type:\', type(feature_extractor))
print(\'len: \', len(feature_extractor))
for item in feature_extractor:
    print(item)

输出：

type: 
len:  7
conv1
bn1
act1
maxpool
layer1
layer2
layer3

可以看到，feature_extractor 其实也是一个神经网络，在 timm 中称为 FeatureListNet，而我们通过 out_indices 参数来指定截取到哪一层特征。

需要注意的是，ViT 模型并不支持 features_only 选项（0.4.12版本）。

extractor = timm.create_model(\'vit_base_patch16_224\', features_only=True)

输出：

RuntimeError: features_only not implemented for Vision Transformer models.

create_model 函数究竟做了什么

registry

在了解了 create_model 函数的基本使用之后，我们来深入探索一下 create_model 函数的源码，看一下究竟是怎样实现从模型到特征提取器的转换的。

create_model 主体只有 50 行左右的代码，因此所有这些神奇的事情是在其他地方完成的。我们知道 timm.list_models() 函数中的每一个模型名字（str）实际上都是一个函数。以下代码可以测试这一点：

import timm
import random 
from timm.models import registry

m = timm.list_models()[-1]
print(m)
registry.is_model(m)

输出：

xception71
True

实际上，在 timm 内部，有一个字典称为 _model_entrypoints 包含了所有的模型名称和他们各自的函数。比如说，我们可以通过 model_entrypoint 函数从 _model_entrypoints 内部得到 xception71 模型的构造函数。

constuctor_fn = registry.model_entrypoint(m)
print(constuctor_fn)

输出：

也有可能输出：

一样的。

如我们所见，在 timm.models.xception_aligned 模块中有一个函数称为 xception71 。类似的，timm 中的每一个模型都有着一个这样的构造函数。事实上，内部的 _model_entrypoints 字典大概长这个样子：

_model_entrypoints
> > 
{
\'cspresnet50\':<function timm.models.cspnet.cspresnet50(pretrained=False, **kwargs)>,\'cspresnet50d\': <function timm.models.cspnet.cspresnet50d(pretrained=False, **kwargs)>,
\'cspresnet50w\': <function timm.models.cspnet.cspresnet50w(pretrained=False, **kwargs)>,
\'cspresnext50\': <function timm.models.cspnet.cspresnext50(pretrained=False, **kwargs)>,
\'cspresnext50_iabn\': <function timm.models.cspnet.cspresnext50_iabn(pretrained=False, **kwargs)>,
\'cspdarknet53\': <function timm.models.cspnet.cspdarknet53(pretrained=False, **kwargs)>,
\'cspdarknet53_iabn\': <function timm.models.cspnet.cspdarknet53_iabn(pretrained=False, **kwargs)>,
\'darknet53\': <function timm.models.cspnet.darknet53(pretrained=False, **kwargs)>,
\'densenet121\': <function timm.models.densenet.densenet121(pretrained=False, **kwargs)>,
\'densenetblur121d\': <function timm.models.densenet.densenetblur121d(pretrained=False, **kwargs)>,
\'densenet121d\': <function timm.models.densenet.densenet121d(pretrained=False, **kwargs)>,
\'densenet169\': <function timm.models.densenet.densenet169(pretrained=False, **kwargs)>,
\'densenet201\': <function timm.models.densenet.densenet201(pretrained=False, **kwargs)>,
\'densenet161\': <function timm.models.densenet.densenet161(pretrained=False, **kwargs)>,
\'densenet264\': <function timm.models.densenet.densenet264(pretrained=False, **kwargs)>,

}

所以说，在 timm 对应的模块中，每个模型都有一个构造器。比如说 ResNets 系列模型被定义在 timm.models.resnet 模块中。因此，实际上我们有两种方式来创建一个 resnet34 模型：

import timm
from timm.models.resnet import resnet34

# 使用 create_model
m = timm.create_model(\'resnet34\')

# 直接调用构造函数
m = resnet34()

但使用上，我们无须调用构造函数。所用模型都可以通过 create_model 函数来将创建。

Register model

resnet34 构造函数的源码如下：

@register_model
def resnet34(pretrained=False, **kwargs):
    \"\"\"Constructs a ResNet-34 model.
    \"\"\"
    model_args = dict(block=BasicBlock, layers=[3, 4, 6, 3], **kwargs)
    return _create_resnet(\'resnet34\', pretrained, **model_args)

我们会发现 timm 中的每个模型都有一个 register_model 装饰器。最开始， _model_entrypoints 是一个空字典。我们是通过 register_model 装饰器来不断地像其中添加模型名称和它对应的构造函数。该装饰器的定义如下：

def register_model(fn):
    # lookup containing module
    mod = sys.modules[fn.__module__]
    module_name_split = fn.__module__.split(\'.\')
    module_name = module_name_split[-1] if len(module_name_split) else \'\'

    # add model to __all__ in module
    model_name = fn.__name__
    if hasattr(mod, \'__all__\'):
        mod.__all__.append(model_name)
    else:
        mod.__all__ = [model_name]

    # add entries to registry dict/sets
    _model_entrypoints[model_name] = fn
    _model_to_module[model_name] = module_name
    _module_to_models[module_name].add(model_name)
    has_pretrained = False  # check if model has a pretrained url to allow filtering on this
    if hasattr(mod, \'default_cfgs\') and model_name in mod.default_cfgs:
        # this will catch all models that have entrypoint matching cfg key, but miss any aliasing
        # entrypoints or non-matching combos
        has_pretrained = \'url\' in mod.default_cfgs[model_name] and \'http\' in mod.default_cfgs[model_name][\'url\']
    if has_pretrained:
        _model_has_pretrained.add(model_name)
    return fn

我们可以看到， register_model 函数完成了一些比较基础的步骤，但这里需要指出的是这一句：

_model_entrypoints[model_name] = fn

它将给定的 fn 添加到 _model_entrypoints 其键名为 fn.__name__。所以说 resnet34 函数上的装饰器 @register_model 在 _model_entrypoints 中创建一个新的条目，像这样：

{’resnet34’: }

我们同样可以看到在 resnet34 构造函数的源码中，在设置完一些 model_args 之后，它会随后调用 _create_resnet 函数。让我们再来看一下该函数的源码：

def _create_resnet(variant, pretrained=False, **kwargs):
    return build_model_with_cfg(
        ResNet, variant, default_cfg=default_cfgs[variant], pretrained=pretrained, **kwargs)

所以在 _create_resnet 函数之中，会再调用 build_model_with_cfg 函数并将一个构造器类 ResNet 、变量名 resnet34、一个 default_cfg 和一些 **kwargs 传入其中。

default config

timm 中所有的模型都有一个默认的配置，包括指向它的预训练权重参数的URL、类别数、输入图像尺寸、池化尺寸等。

resnet34 的默认配置如下：

{\'url\': \'https://github.com/rwightman/pytorch-image-models/releases/download/v0.1-weights/resnet34-43635321.pth\',
\'num_classes\': 1000,
\'input_size\': (3, 224, 224),
\'pool_size\': (7, 7),
\'crop_pct\': 0.875,
\'interpolation\': \'bilinear\',
\'mean\': (0.485, 0.456, 0.406),
\'std\': (0.229, 0.224, 0.225),
\'first_conv\': \'conv1\',
\'classifier\': \'fc\'}

此默认配置与其他参数（如构造函数类和一些模型参数）一起传递给 build_model_with_cfg 函数。

build model with config

这个 build_model_with_cfg 函数负责：

1. 真正地实例化一个模型类来创建一个模型
2. 若 pruned=True，对模型进行剪枝
3. 若 pretrained=True，加载预训练模型参数
4. 若 features_only=True，将模型转换为特征提取器

看一下该函数的源码：

def build_model_with_cfg(
        model_cls: Callable,
        variant: str,
        pretrained: bool,
        default_cfg: dict,
        model_cfg: dict = None,
        feature_cfg: dict = None,
        pretrained_strict: bool = True,
        pretrained_filter_fn: Callable = None,
        pretrained_custom_load: bool = False,
        **kwargs):
    pruned = kwargs.pop(\'pruned\', False)
    features = False
    feature_cfg = feature_cfg or {}

    if kwargs.pop(\'features_only\', False):
        features = True
        feature_cfg.setdefault(\'out_indices\', (0, 1, 2, 3, 4))
        if \'out_indices\' in kwargs:
            feature_cfg[\'out_indices\'] = kwargs.pop(\'out_indices\')

    model = model_cls(**kwargs) if model_cfg is None else model_cls(cfg=model_cfg, **kwargs)
    model.default_cfg = deepcopy(default_cfg)

    if pruned:
        model = adapt_model_from_file(model, variant)

    # for classification models, check class attr, then kwargs, then default to 1k, otherwise 0 for feats
    num_classes_pretrained = 0 if features else getattr(model, \'num_classes\', kwargs.get(\'num_classes\', 1000))
    if pretrained:
        if pretrained_custom_load:
            load_custom_pretrained(model)
        else:
            load_pretrained(
                model,
                num_classes=num_classes_pretrained, in_chans=kwargs.get(\'in_chans\', 3),
                filter_fn=pretrained_filter_fn, strict=pretrained_strict)

    if features:
        feature_cls = FeatureListNet
        if \'feature_cls\' in feature_cfg:
            feature_cls = feature_cfg.pop(\'feature_cls\')
            if isinstance(feature_cls, str):
                feature_cls = feature_cls.lower()
                if \'hook\' in feature_cls:
                    feature_cls = FeatureHookNet
                else:
                    assert False, f\'Unknown feature class {feature_cls}\'
        model = feature_cls(model, **feature_cfg)
        model.default_cfg = default_cfg_for_features(default_cfg)  # add back default_cfg

    return model

我们可以看到，模型在这一步被创建出来：model = model_cls(**kwargs)。本文将不再深入到 pruned 和 adapt_model_from_file 内部查看。

总结

通过本文，我们已经完全了解了 create_model 函数，我们了解到：

• 每个模型有不同的构造函数，可以传入不同的参数， _model_entrypoints 字典包括了所有的模型名称及其对应的构造函数
• build_with_model_cfg 函数接收模型构造器类和其中的一些具体参数，真正地实例化一个模型
• load_pretrained 会加载预训练参数
• FeatureListNet 类可以将模型转换为特征提取器

Ref：

https://github.com/rwightman/pytorch-image-models

https://fastai.github.io/timmdocs/

https://fastai.github.io/timmdocs/create_model#Turn-any-model-into-a-feature-extractor

https://fastai.github.io/timmdocs/tutorial_feature_extractor

https://zhuanlan.zhihu.com/p/404107277