Convnext Large 384

🚀 ConvNeXT（大型模型）

ConvNeXT是一個在圖像分類領域表現出色的模型。它基於純卷積架構，從視覺變換器（Vision Transformers）的設計中汲取靈感，有望在相關任務中超越變換器模型。該模型在ImageNet - 1k數據集上以384x384的分辨率進行訓練，為圖像分類等視覺任務提供了強大的支持。

🚀 快速開始

ConvNeXT模型可用於圖像分類任務。你可以在模型中心查找針對你感興趣任務的微調版本。

✨ 主要特性

• 純卷積架構：ConvNeXT是一個純卷積模型（ConvNet），從視覺變換器的設計中獲取靈感，宣稱能超越變換器模型。
• 設計現代化：作者從ResNet出發，以Swin Transformer為靈感對其設計進行“現代化”改造。

📦 安裝指南

文檔未提及具體安裝步驟，故跳過此章節。

💻 使用示例

基礎用法

以下是如何使用該模型將COCO 2017數據集中的圖像分類為1000個ImageNet類別之一的示例：

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-large-384")
model = ConvNextForImageClassification.from_pretrained("facebook/convnext-large-384")

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]),

更多代碼示例請參考文檔。

📚 詳細文檔

模型描述

ConvNeXT是一個純卷積模型（ConvNet），受視覺變換器設計的啟發，宣稱能超越它們。作者從ResNet開始，以Swin Transformer為靈感對其設計進行“現代化”改造。

預期用途與限制

你可以使用原始模型進行圖像分類。可在模型中心查找針對你感興趣任務的微調版本。

🔧 技術細節

文檔未提供詳細技術細節，故跳過此章節。

📄 許可證

本模型採用Apache - 2.0許可證。

BibTeX引用和引用信息

@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