Convnext Xlarge 224 22k

🚀 ConvNeXT（超大尺寸模型）

ConvNeXT是一個基於卷積神經網絡的模型，它受視覺Transformer設計的啟發，有望在性能上超越它們。該模型在ImageNet - 22k數據集上以224x224的分辨率進行訓練，可用於圖像分類任務。

🚀 快速開始

ConvNeXT是一種純卷積模型（ConvNet），它受到了視覺Transformer設計的啟發，宣稱能夠超越它們。作者從ResNet出發，以Swin Transformer為靈感對其設計進行了“現代化”改造。

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

✨ 主要特性

• 基於卷積神經網絡，受視覺Transformer啟發。
• 在ImageNet - 22k數據集上以224x224分辨率訓練。
• 宣稱性能超越視覺Transformer。

📦 安裝指南

文檔未提及安裝步驟，故跳過此章節。

💻 使用示例

基礎用法

from transformers import ConvNextFeatureExtractor, ConvNextForImageClassification
import torch
from datasets import load_dataset

dataset = load_dataset("huggingface/cats-image")
image = dataset["test"]["image"][0]

feature_extractor = ConvNextFeatureExtractor.from_pretrained("facebook/convnext-xlarge-224-22k")
model = ConvNextForImageClassification.from_pretrained("facebook/convnext-xlarge-224-22k")

inputs = feature_extractor(image, return_tensors="pt")

with torch.no_grad():
    logits = model(**inputs).logits

# 模型預測22k ImageNet類別之一
predicted_label = logits.argmax(-1).item()
print(model.config.id2label[predicted_label]),

高級用法

如需更多代碼示例，請參考文檔。

📚 詳細文檔

ConvNeXT模型在論文 A ConvNet for the 2020s 中由Liu等人提出，並首次在 此倉庫 發佈。

免責聲明：發佈ConvNeXT的團隊未為此模型撰寫模型卡片，此模型卡片由Hugging Face團隊撰寫。

🔧 技術細節

文檔未提及技術實現細節，故跳過此章節。

📄 許可證

本模型採用Apache - 2.0許可證。

BibTeX引用

@article{DBLP:journals/corr/abs-2201-03545,
  author    = {Zhuang Liu and
               Hanzi Mao and
               Chao{-}Yuan Wu and
               Christoph Feichtenhofer and
               Trevor Darrell and
               Saining Xie},
  title     = {A ConvNet for the 2020s},
  journal   = {CoRR},
  volume    = {abs/2201.03545},
  year      = {2022},
  url       = {https://arxiv.org/abs/2201.03545},
  eprinttype = {arXiv},
  eprint    = {2201.03545},
  timestamp = {Thu, 20 Jan 2022 14:21:35 +0100},
  biburl    = {https://dblp.org/rec/journals/corr/abs-2201-03545.bib},
  bibsource = {dblp computer science bibliography, https://dblp.org}
}

信息表格