Regnet X 032

🚀 RegNet

RegNetは、ImageNet-1kで学習されたモデルです。画像分類タスクに使用でき、高い性能を発揮します。

🚀 クイックスタート

RegNetは、Neural Architecture Search (NAS) を用いて設計されたモデルです。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。

なお、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。

✨ 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。
• Neural Architecture Search (NAS)：論文では、高次元の探索空間から始め、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ます。

📦 インストール

このREADMEには具体的なインストール手順が記載されていないため、このセクションをスキップします。

💻 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。

📚 ドキュメント

モデルの説明

著者らは、Neural Architecture Search (NAS) を行うための探索空間を設計します。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微調整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。

🔧 技術詳細

このREADMEには具体的な技術詳細が50文字以上記載されていないため、このセクションをスキップします。

📄 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。