🚀 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 中發佈。該模型可用於圖像分類任務,為圖像識別領域提供了有力的支持。
🚀 快速開始
你可以直接使用預訓練的RegNet模型進行圖像分類。若你有特定的任務需求,也可以在 模型中心 查找微調後的版本。
下面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'
更多代碼示例可參考 文檔。
✨ 主要特性
- 高效的架構搜索: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,迭代地縮小搜索空間。

💻 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'
📚 詳細文檔
模型描述
作者設計搜索空間以執行神經架構搜索(NAS)。他們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,迭代地縮小搜索空間。
預期用途和限制
你可以使用原始模型進行圖像分類。可在 模型中心 查找針對你感興趣的任務進行微調後的版本。
📄 許可證
本項目採用Apache-2.0許可證。
信息表格
屬性 |
詳情 |
模型類型 |
圖像分類模型 |
訓練數據 |
ImageNet-1K |
免責聲明
發佈RegNet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。