Levit 256

🚀 LeViT

LeViT是一個用於圖像分類的模型。此LeViT - 256模型在分辨率為224x224的ImageNet - 1k數據集上進行了預訓練。它能快速進行圖像分類推理，為圖像識別任務提供高效解決方案。

🚀 快速開始

LeViT - 256模型在ImageNet - 1k數據集上預訓練，分辨率為224x224。它由Graham等人在論文LeViT: a Vision Transformer in ConvNet's Clothing for Faster Inference中提出，並首次在此倉庫發佈。

聲明：發佈LeViT的團隊並未為此模型編寫模型卡片，此模型卡片由Hugging Face團隊編寫。

💻 使用示例

基礎用法

以下是如何使用該模型將COCO 2017數據集中的圖像分類為1000個ImageNet類別之一的示例：

from transformers import LevitFeatureExtractor, LevitForImageClassificationWithTeacher
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 = LevitFeatureExtractor.from_pretrained('facebook/levit-256')
model = LevitForImageClassificationWithTeacher.from_pretrained('facebook/levit-256')

inputs = feature_extractor(images=image, return_tensors="pt")
outputs = model(**inputs)
logits = outputs.logits
# model predicts one of the 1000 ImageNet classes
predicted_class_idx = logits.argmax(-1).item()
print("Predicted class:", model.config.id2label[predicted_class_idx])

📄 許可證

本項目採用Apache - 2.0許可證。