Regnet X 002

🚀 RegNet

RegNetは、imagenet - 1kで学習されたモデルです。論文「Designing Network Design Spaces」(https://arxiv.org/abs/2003.13678) 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データセットを用いて訓練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サーチ（NAS）によって設計され、画像分類タスクに使用できます。

✨ 主な機能

• 論文「Designing Network Design Spaces」で提案されたネットワーク設計空間を用いて設計されたモデルです。
• imagenet - 1kデータセットで訓練されており、画像分類タスクに適しています。

📦 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

💻 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、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ました。彼らは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

このモデルは、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。

📄 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。