🚀 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
你可以使用原始模型進行圖像分類。你可以在 模型中心 查找針對你感興趣的任務進行微調後的版本。
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
>>>
>>> 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
- 作者設計了搜索空間來執行神經架構搜索(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性能最佳的模型,憑經驗應用約束條件,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
如需更多高級使用場景,請參考 文檔。
📚 詳細文檔
該模型由Hugging Face團隊編寫模型卡片,原發布團隊未編寫相關模型卡片。模型基於在ImageNet - 1K數據集上的訓練,可用於圖像分類任務。
📄 許可證
該模型採用Apache - 2.0許可證。