Regnet X 016

🚀 RegNet

RegNet是在ImageNet-1K数据集上训练的模型。它在论文 Designing Network Design Spaces 中被提出，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。

🚀 快速开始

你可以使用原始模型进行图像分类。你可以在 模型中心 查找针对你感兴趣的任务进行微调的版本。

以下是如何使用此模型的示例：

基础用法

>>> 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'

更多代码示例，请参考 文档。

✨ 主要特性

• 研究人员设计搜索空间以执行神经架构搜索（NAS）。他们从高维搜索空间开始，通过基于当前搜索空间采样的最佳性能模型凭经验应用约束，迭代地缩小搜索空间。

💻 使用示例

基础用法

>>> 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'

高级用法

更多高级用法请参考 文档。

📚 详细文档

模型描述

研究人员设计搜索空间以执行神经架构搜索（NAS）。他们首先从高维搜索空间开始，然后根据当前搜索空间采样的最佳性能模型，凭经验应用约束，迭代地缩小搜索空间。

预期用途和限制

你可以使用原始模型进行图像分类。可在 模型中心 查找针对你感兴趣的任务进行微调的版本。

📄 许可证

本项目采用Apache-2.0许可证。

信息表格

免责声明

发布RegNet的团队没有为此模型编写模型卡片，因此此模型卡片由Hugging Face团队编写。