Regnet Y 006

🚀 RegNet

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

なお、RegNetを公開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。

🚀 クイックスタート

RegNetは、imagenet - 1kデータセットで学習された画像分類モデルです。このモデルは、Neural Architecture Search (NAS) を行うための検索空間を設計するアプローチを用いて開発されました。

✨ 主な機能

• 画像分類: 生のモデルを使用して画像分類を行うことができます。
• NASアプローチ: 論文で紹介されているように、高次元の検索空間から始めて、経験的な制約を適用して検索空間を反復的に縮小する手法を用いています。

📦 インストール

このモデルを使用するには、transformers ライブラリが必要です。以下のコマンドでインストールできます。

pip install transformers datasets torch

💻 使用例

基本的な使用法

>>> 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

>>> # model predicts one of the 1000 ImageNet classes
>>> predicted_label = logits.argmax(-1).item()
>>> print(model.config.id2label[predicted_label])
'tabby, tabby cat'

高度な使用法

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。

📚 ドキュメント

モデルの説明

著者らは、Neural Architecture Search (NAS) を行うための検索空間を設計しています。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モデルに基づいて経験的な制約を適用することで、検索空間を反復的に縮小しています。

想定される用途と制限

生のモデルを画像分類に使用することができます。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。

📄 ライセンス

このモデルはApache - 2.0ライセンスの下で公開されています。