Regnet X 006

🚀 RegNet

RegNet是在ImageNet - 1K數據集上訓練的模型。它由論文Designing Network Design Spaces提出，並首次在該倉庫中發佈。此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。

✨ 主要特性

• 作者設計了搜索空間以進行神經架構搜索（NAS），從高維搜索空間開始，通過基於當前搜索空間採樣的最佳性能模型經驗性地應用約束，迭代地縮小搜索空間。
• 可使用原始模型進行圖像分類，也能在模型中心（Model Hub）找到針對特定任務的微調版本。

📚 詳細文檔

模型描述

作者設計搜索空間來執行神經架構搜索（NAS）。他們首先從高維搜索空間入手，然後根據當前搜索空間採樣出的性能最佳的模型，通過經驗性地應用約束條件，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。可以訪問模型中心，查找針對你感興趣的任務的微調版本。

💻 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

>>> # 模型預測1000個ImageNet類別中的一個
>>> 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。

📄 許可證

本項目採用Apache - 2.0許可證。

⚠️ 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。