Regnet X 160

🚀 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效的解決方案。

🚀 快速開始

你可以使用原始模型進行圖像分類。你可以在模型中心中查找針對你感興趣的任務進行微調的版本。

以下是如何使用此模型的示例代碼：

>>> 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

>>> # model predicts one of the 1000 ImageNet classes
>>> 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

• 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。

💻 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

>>> # model predicts one of the 1000 ImageNet classes
>>> predicted_label = logits.argmax(-1).item()
>>> print(model.config.id2label[predicted_label])
'tabby, tabby cat'

高級用法

更多高級使用場景的代碼示例，請參考文檔。

📄 許可證

本項目採用Apache - 2.0許可證。

📦 相關信息

⚠️ 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。