🚀 ConvNeXT(基礎尺寸模型)
ConvNeXT是一個基於卷積神經網絡的模型,它從視覺變換器(Vision Transformers)的設計中汲取靈感,宣稱性能優於視覺變換器。該模型在ImageNet - 22k數據集上以224x224的分辨率進行訓練。
🚀 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特定任務微調後的版本。
✨ 主要特性
- 純卷積模型(ConvNet),受視覺變換器設計啟發,性能表現出色。
- 從ResNet架構出發,借鑑Swin Transformer的設計理念進行“現代化”改進。
📚 詳細文檔
模型描述
ConvNeXT是一種純卷積模型(ConvNet),它受到視覺變換器設計的啟發,宣稱性能優於視覺變換器。作者從ResNet架構開始,以Swin Transformer為靈感對其設計進行了“現代化”改進。

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的任務微調後的版本。
💻 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類別之一的示例代碼:
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-224-22k")
model = ConvNextForImageClassification.from_pretrained("facebook/convnext-base-224-22k")
inputs = processor(image, return_tensors="pt")
with torch.no_grad():
logits = model(**inputs).logits
predicted_label = logits.argmax(-1).item()
print(model.config.id2label[predicted_label]),
更多代碼示例請參考文檔。
BibTeX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
本項目採用Apache - 2.0許可證。
屬性 |
詳情 |
模型類型 |
卷積神經網絡(ConvNet) |
訓練數據 |
ImageNet - 22k |
適用場景 |
圖像分類 |