Regnet Y 008

🚀 RegNet

RegNetは、ImageNet-1kで学習されたモデルです。画像分類タスクに利用でき、高次元の探索空間から段階的に最適なネットワーク構造を見つける手法を用いています。

🚀 クイックスタート

RegNet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。このモデルカードは、RegNetを公開したチームではなく、Hugging Faceチームによって作成されています。

✨ 主な機能

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

📚 ドキュメント

想定される用途と制限

この生モデルは画像分類に使用できます。関心のあるタスクでファインチューニングされた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

このモデルの使用方法は以下の通りです。

>>> 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'

より多くの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。