Regnet X 002

🚀 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

>>> # 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

>>> # 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

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。