RepVGG-A0 accessible sur Hugging Face

MMarc

Hugging Face héberge les poids préentraînés de RepVGG-A0, accessibles via la bibliothèque timm, d’après AlphaSignal. RepVGG-A0 est un modèle de classification d’images entraîné sur ImageNet-1k. Ses poids peuvent être chargés avec l’API standard de timm, ce qui permet de les utiliser depuis l’outil sans passer par une méthode de chargement spécifique à ce modèle. Le modèle compte 9,1 millions de paramètres et nécessite 1,5 milliard d’opérations de multiplication-accumulation, soit 1,5 GMACs, pour une entrée de 224 par 224 pixels. Ces chiffres décrivent le coût indiqué pour traiter une image de cette taille, ainsi que la taille du modèle en paramètres. Les poids sont publiés sous licence MIT, et l’architecture repose sur une réparamétrisation structurelle : les blocs à branches multiples employés pendant l’entraînement sont fusionnés en convolutions de 3 par 3 pour l’inférence. Cette transformation concerne donc la structure utilisée pour les prédictions, tandis que le chargement des poids reste possible avec l’API standard de timm. RepVGG-A0 est un modèle de classification d’images, et son architecture a également servi de base à des backbones utilisés dans YOLOv6 et YOLOv7. La mise à disposition rassemble ainsi les poids préentraînés, les caractéristiques de calcul du modèle et les précisions sur son usage en classification et sur les architectures qui s’en sont inspirées.