Nat Mini In1k 224

🚀 NAT (mini variant)

NAT-Mini 是在 ImageNet-1K 数据集上以 224x224 分辨率进行训练的模型。它由 Hassani 等人在论文 Neighborhood Attention Transformer 中提出，并首次在 此仓库 中发布。该模型可用于图像分类任务，为相关领域的研究和应用提供了有力支持。

✨ 主要特性

• 基于邻域注意力机制：NAT 是一种基于邻域注意力（NA）的分层视觉变换器。邻域注意力是一种受限的自注意力模式，其中每个标记的感受野仅限于其最近的相邻像素。
• 高灵活性与平移等变性：NA 是一种滑动窗口注意力模式，具有高度的灵活性，并保持平移等变性。
• PyTorch 实现：NA 通过其扩展 NATTEN 在 PyTorch 中实现。

📦 安装指南

除了 transformers 库之外，此模型还需要 NATTEN 包。

• Linux 用户：可以参考 shi-labs.com/natten 上的说明，使用预编译的二进制文件进行安装（只需选择您的 PyTorch 版本以获取正确的 wheel URL）。
• 其他用户：可以使用 pip install natten 在您的设备上进行编译安装，这可能需要几分钟时间。Mac 用户只能使用后一种方法（没有预编译的二进制文件）。

更多信息请参考 NATTEN 的 GitHub 仓库。

💻 使用示例

基础用法

以下是如何使用此模型将 COCO 2017 数据集中的图像分类为 1000 个 ImageNet 类别之一的示例：

from transformers import AutoImageProcessor, NatForImageClassification
from PIL import Image
import requests

url = "http://images.cocodataset.org/val2017/000000039769.jpg"
image = Image.open(requests.get(url, stream=True).raw)

feature_extractor = AutoImageProcessor.from_pretrained("shi-labs/nat-mini-in1k-224")
model = NatForImageClassification.from_pretrained("shi-labs/nat-mini-in1k-224")

inputs = feature_extractor(images=image, return_tensors="pt")
outputs = model(**inputs)
logits = outputs.logits
# 模型预测 1000 个 ImageNet 类别之一
predicted_class_idx = logits.argmax(-1).item()
print("Predicted class:", model.config.id2label[predicted_class_idx])

更多示例请参考 文档。

📚 详细文档

模型描述

NAT 是一种基于邻域注意力（NA）的分层视觉变换器。邻域注意力是一种受限的自注意力模式，其中每个标记的感受野仅限于其最近的相邻像素。NA 是一种滑动窗口注意力模式，因此具有高度的灵活性，并保持平移等变性。

NA 通过其扩展 NATTEN 在 PyTorch 中实现。

来源

预期用途和限制

您可以使用原始模型进行图像分类。请查看 模型中心 以查找针对您感兴趣的任务进行微调的版本。

BibTeX 引用和引用信息

@article{hassani2022neighborhood,
    title        = {Neighborhood Attention Transformer},
    author       = {Ali Hassani and Steven Walton and Jiachen Li and Shen Li and Humphrey Shi},
    year         = 2022,
    url          = {https://arxiv.org/abs/2204.07143},
    eprint       = {2204.07143},
    archiveprefix = {arXiv},
    primaryclass = {cs.CV}
}

📄 许可证

本项目采用 MIT 许可证。