Regnet X 320

🚀 RegNet

RegNetは、ImageNet-1kで学習されたモデルです。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

このセクションでは、RegNetモデルの基本的な使い方を説明します。

モデルの使用例

>>> 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'

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。

✨ 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。また、モデルハブ で関心のあるタスクに対してファインチューニングされたバージョンを探すこともできます。
• ネットワーク設計空間の最適化：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。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

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ています。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ています。

想定される用途と制限

このモデルは画像分類に使用することができます。関心のあるタスクに対して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。