Convnext Base 224 22k 1k

🚀 ConvNeXT (基礎大小模型)

ConvNeXT是一種預訓練的圖像分類模型，在ImageNet - 22k數據集上進行預訓練，並在分辨率為224x224的ImageNet - 1k數據集上進行微調。它為圖像分類任務提供了高效且準確的解決方案。

🚀 快速開始

ConvNeXT模型可直接用於圖像分類任務。你可以在模型中心查找針對特定任務微調後的版本。

以下是使用該模型將COCO 2017數據集中的圖像分類為1000個ImageNet類之一的示例代碼：

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-base-224-22k-1k")
model = ConvNextForImageClassification.from_pretrained("facebook/convnext-base-384-224-1k")

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

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

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

更多代碼示例請參考文檔。

✨ 主要特性

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。

💻 使用示例

基礎用法

以下是使用該模型進行圖像分類的基礎代碼示例：

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-base-224-22k-1k")
model = ConvNextForImageClassification.from_pretrained("facebook/convnext-base-384-224-1k")

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

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

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

📚 詳細文檔

模型描述

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

預期用途和侷限性

你可以使用原始模型進行圖像分類。在模型中心查找針對你感興趣的任務微調後的版本。

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}
}

📄 許可證

本模型採用Apache 2.0許可證。

📦 模型信息