Regnet X 120

🚀 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任務。你可以在模型中心查找針對特定任務微調後的版本。

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

>>> # 模型預測1000個ImageNet類別之一
>>> 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

• 設計獨特：作者設計了搜索空間來進行神經架構搜索（NAS）。從高維搜索空間開始，通過基於當前搜索空間採樣出的最佳性能模型，憑經驗應用約束條件，逐步迭代縮小搜索空間。
• 應用廣泛：可用於圖像分類任務，並且可以在模型中心找到針對特定任務微調後的版本。

📚 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）。他們從一個高維搜索空間開始，通過基於當前搜索空間採樣出的最佳性能模型憑經驗應用約束條件，逐步迭代縮小搜索空間。

預期用途與限制

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微調後的版本。

使用方法

上述代碼展示瞭如何使用該模型進行圖像分類。首先加載數據集和圖像，然後使用AutoFeatureExtractor提取特徵，接著加載預訓練的RegNetForImageClassification模型，最後進行推理並輸出預測結果。

📄 許可證

本模型採用Apache-2.0許可證。

⚠️ 重要提示

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。