Levit 384

🚀 LeViT

LeViT是一種用於圖像分類的模型，它基於Transformer架構，結合了卷積網絡的特性，能夠實現更快的推理速度。本項目的LeViT - 384模型在ImageNet - 1k數據集上以224x224的分辨率進行了預訓練。

🚀 快速開始

LeViT - 384模型在ImageNet - 1k數據集上以224x224分辨率進行了預訓練。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。

免責聲明：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

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

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-384')
model = LevitForImageClassificationWithTeacher.from_pretrained('facebook/levit-384')

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。

📦 模型信息

🖼️ 示例展示

• 老虎
• 茶壺
• 宮殿