# 适配并导出模型

## 输入通道

将 `in_chans` 设置为模型将接收的通道数。对于非 RGB 检查点，其预训练配置中的 `input_size[0]` 必须描述 **源检查点的** 通道数。例如，要使用两个堆叠的 13 波段图像以及与之匹配的 13 波段 ResNet-18 检查点：

```py
import timm

model = timm.create_model(
    'resnet18',
    pretrained=True,
    in_chans=26,
    num_classes=10,
    pretrained_cfg_overlay={
        'file': 'path/to/your_13_band_resnet18.pth',
        'input_size': (13, 224, 224),
        'num_classes': 10,
    },
)
```

此示例需要一个具有匹配架构和源类别数量的自定义检查点。输入卷积权重会按通道顺序进行重复或截断，然后乘以源到目标的通道比率。因此，从 13 到 26 的转换会将权重重复两次，并按 1/2 进行缩放；同一帧的重复副本保留了输入卷积的响应。从 13 到 11 的转换会保留前 11 个通道，并按 13/11 进行缩放。通道数量匹配时，权重将保持不变地加载。转换到单通道时，会对源通道的权重求和。

对于直接的权重转换，请显式指定相同的源信息：

```py
from timm.models import adapt_input_conv

temporal_weights = adapt_input_conv(26, pretrained_weights, base_chans=13)
```

`base_chans` 描述的是物理图像通道，其可能与空间到深度（space-to-depth）茎部的卷积输入维度不同。现有的 RGB 默认设置以及空间到深度灰度转换仍然受支持；其他空间到深度通道转换在加载时仍会使用不支持格式的后备方案。不会自动推断波段特定选择、语义波段匹配和归一化：请根据您的传感器和任务自行安排波段及预处理。

## 保存适配后的模型

`model.pretrained_cfg` 在适配后仍用于描述源检查点。当前模型暴露了 `in_chans` 和 `num_classes`。由实例持有的 `_traits` 字典记录了其标称的 `img_size`、`fixed_input_size` 约束以及 `first_conv` 路径。独立的 `_model_args` 字典记录了用于导出的构造参数。受支持的 `set_input_size()` 方法会同时更新 traits 和重建参数。

使用 `timm.models.get_model_traits(model)` 可以查看 traits 的副本以及当前的 `in_chans` 和 `num_classes` 属性。这些计数是从属性中读取的，而不是在 `_traits` 中重复存储，因此分类器重置后的变化会反映出来。`timm.models.get_model_input_config(model)` 根据这些 traits 解析输入配置，而 `timm.models.get_model_args(model)` 返回重建参数。

Hub 导出会写入一个描述已保存权重的新配置，而不会更改实时源配置。请传入用于适配模型的预处理：

```py
from timm.models import save_for_hf

save_for_hf(model, 'my_model', data_config=data_config)
restored = timm.create_model('local-dir:my_model', pretrained=True)
```

内置的训练、验证、推理和基准测试脚本会根据当前模型解析输入设置。现有的 `resolve_data_config` 和 `resolve_model_data_config` 辅助函数保留其源配置行为。

## 导出的构造参数

工厂会记录诸如激活函数、归一化以及嵌入维度等构建参数。导出时会排除设备/数据类型配置以及捕获的训练正则化参数：`drop_rate`、`drop_path_rate`、`drop_block_rate` 和 `*_drop_rate`。因此，重新加载时将使用架构的正则化默认值，除非调用者提供了新的值。显式导出的 `model_args` 可以在有意保留某个比率时将其保留下来。

可调用参数无法可靠地序列化。在构建模型时，建议优先使用已注册的字符串名称，或在导出时提供等效的名称：

```py
import torch.nn as nn

model = timm.create_model('resnet18', act_layer=nn.SiLU)
save_for_hf(model, 'my_silu_resnet', model_args={'act_layer': 'silu'})
```

如果没有可序列化的替代项，export 会引发一个错误，并指明该参数。静默地丢弃该参数可能会导致重建出一个不同的模型，即使其权重加载成功也是如此。

