Regnet Y 080

🚀 RegNet

imagenet-1kで学習されたRegNetモデル。このモデルは論文 Designing Network Design Spaces で紹介され、このリポジトリ で最初に公開されました。

🚀 クイックスタート

RegNetは、imagenet-1kで学習された画像分類モデルです。このモデルは、ニューラルアーキテクチャ探索（NAS）を行うための検索空間を設計することで開発されました。

✨ 主な機能

• 高次元の検索空間から始め、ベストパフォーマンスのモデルに基づいて制約を適用しながら検索空間を反復的に縮小します。
• ImageNet-1kデータセットで学習され、画像分類タスクに使用できます。

📚 ドキュメント

モデルの説明

著者らは、ニューラルアーキテクチャ探索（NAS）を行うための検索空間を設計します。彼らはまず高次元の検索空間から始め、現在の検索空間でサンプリングされた最良のパフォーマンスのモデルに基づいて経験的に制約を適用することで、検索空間を反復的に縮小します。

想定される用途と制限

このモデルは画像分類に使用できます。興味のあるタスクに関する微調整済みのバージョンを探すには、モデルハブ を参照してください。

使い方

以下は、このモデルの使用方法の例です。

>>> from transformers import AutoFeatureExtractor, RegNetForImageClassification
>>> import torch
>>> from datasets import load_dataset

>>> dataset = load_dataset("huggingface/cats-image")
>>> image = dataset["test"]["image"][0]

>>> feature_extractor = AutoFeatureExtractor.from_pretrained("zuppif/regnet-y-040")
>>> model = RegNetForImageClassification.from_pretrained("zuppif/regnet-y-040")

>>> inputs = feature_extractor(image, return_tensors="pt")

>>> with torch.no_grad():
...     logits = model(**inputs).logits

>>> # モデルは1000のImageNetクラスのうちの1つを予測します
>>> predicted_label = logits.argmax(-1).item()
>>> print(model.config.id2label[predicted_label])
'tabby, tabby cat'

詳細なコード例については、ドキュメント を参照してください。

📄 ライセンス

このモデルはApache-2.0ライセンスの下で提供されています。

⚠️ 重要な注意事項

RegNetをリリースしたチームはこのモデルのモデルカードを作成していないため、このモデルカードはHugging Faceチームによって作成されています。