Regnet X 002

🚀 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后的版本。

以下是使用该模型的示例代码：

>>> 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

• 作者设计了搜索空间来执行神经架构搜索（NAS）。他们从一个高维搜索空间开始，通过基于当前搜索空间采样出的性能最佳的模型，凭经验应用约束条件，逐步迭代缩小搜索空间。

💻 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

如需更多高级使用场景，请参考 文档。

📚 详细文档

该模型由Hugging Face团队编写模型卡片，原发布团队未编写相关模型卡片。模型基于在ImageNet - 1K数据集上的训练，可用于图像分类任务。

📄 许可证

该模型采用Apache - 2.0许可证。