Convnext Large 384 22k 1k

🚀 ConvNeXT（大型模型）

ConvNeXT是一個預訓練模型，在ImageNet - 22k數據集上進行預訓練，並在分辨率為384x384的ImageNet - 1k數據集上進行微調。它能有效用於圖像分類任務，為圖像識別領域提供了強大的支持。

🚀 快速開始

ConvNeXT是一個純卷積模型（ConvNet），其設計靈感源自視覺變換器（Vision Transformers），並宣稱性能超越了它們。該模型的作者從ResNet出發，以Swin Transformer為靈感對其設計進行了“現代化”改進。

✨ 主要特性

• 基於純卷積架構，受視覺變換器設計啟發。
• 在ImageNet - 22k上預訓練，在ImageNet - 1k上微調，適用於圖像分類任務。
• 宣稱性能優於視覺變換器。

📦 安裝指南

文檔未提及具體安裝步驟，可參考Hugging Face相關庫的安裝說明。

💻 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-384-22k-1k")
model = ConvNextForImageClassification.from_pretrained("facebook/convnext-large-384-22k-1k")

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

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

# 模型預測1000個ImageNet類別之一
predicted_label = logits.argmax(-1).item()
print(model.config.id2label[predicted_label]),

高級用法

更多代碼示例，請參考文檔。

📚 詳細文檔

預期用途和限制

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

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}
}

📄 許可證

本模型採用Apache - 2.0許可證。

⚠️ 重要提示

發佈ConvNeXT的團隊並未為此模型編寫模型卡片，此模型卡片由Hugging Face團隊編寫。