Convnext Base 224

🚀 ConvNeXT（基礎尺寸模型）

ConvNeXT是一個在圖像分類領域表現出色的模型。它基於卷積神經網絡架構，借鑑了視覺Transformer的設計理念，在ImageNet - 1k數據集上進行訓練，能夠對圖像進行高效準確的分類。

🚀 快速開始

ConvNeXT是一個純卷積模型（ConvNet），它受到視覺Transformer設計的啟發，宣稱性能優於視覺Transformer。作者從ResNet出發，以Swin Transformer為靈感對其設計進行了“現代化”改造。

✨ 主要特性

• 受視覺Transformer啟發，對傳統卷積網絡設計進行現代化改造。
• 在ImageNet - 1k數據集上以224x224分辨率進行訓練。
• 宣稱在性能上優於視覺Transformer。

📦 安裝指南

文檔未提及具體安裝步驟，可參考相關庫（如transformers、torch、datasets）的官方安裝說明進行安裝。

💻 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 ConvNextImageProcessor, ConvNextForImageClassification
import torch
from datasets import load_dataset

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

processor = ConvNextImageProcessor.from_pretrained("facebook/convnext-base-224")
model = ConvNextForImageClassification.from_pretrained("facebook/convnext-base-224")

inputs = processor(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]),

更多示例

更多代碼示例，請參考文檔。

📚 詳細文檔

預期用途和限制

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。

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。

免責聲明

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。

信息表格