🚀 RegNet
RegNet是在ImageNet-1K數據集上訓練的模型。它在論文 Designing Network Design Spaces 中被提出,並首次在 此倉庫 發佈。本模型可用於圖像分類任務,為相關領域的研究和應用提供了有力支持。
🚀 快速開始
RegNet模型可直接用於圖像分類。你可以在 模型中心 查找針對你感興趣任務的微調版本。
以下是使用該模型的示例代碼:
>>> 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
>>>
>>> predicted_label = logits.argmax(-1).item()
>>> print(model.config.id2label[predicted_label])
'tabby, tabby cat'
更多代碼示例,請參考 文檔。
✨ 主要特性
- 架構設計:作者設計了搜索空間來執行神經架構搜索(NAS)。從高維搜索空間開始,通過基於當前搜索空間採樣的最佳性能模型,經驗性地應用約束條件,逐步迭代縮小搜索空間。

💻 使用示例
基礎用法
>>> 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
>>>
>>> predicted_label = logits.argmax(-1).item()
>>> print(model.config.id2label[predicted_label])
'tabby, tabby cat'
高級用法
如需更多高級場景的使用,請參考 文檔 中的代碼示例。
📚 詳細文檔
模型的詳細信息可參考原論文 Designing Network Design Spaces 以及 此倉庫。
📄 許可證
本模型採用Apache-2.0許可證。
屬性 |
詳情 |
模型類型 |
圖像分類模型 |
訓練數據 |
ImageNet-1K |
⚠️ 重要提示
發佈RegNet的團隊並未為此模型撰寫模型卡片,此模型卡片由Hugging Face團隊編寫。