Resnet 34

🚀 ResNet-34 v1.5

ResNet-34 v1.5 是一個在 ImageNet-1k 數據集上以 224x224 分辨率進行預訓練的模型。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

你可以使用以下代碼將 COCO 2017 數據集中的圖像分類為 1000 個 ImageNet 類別之一：

from transformers import AutoFeatureExtractor, ResNetForImageClassification
import torch
from datasets import load_dataset

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

feature_extractor = AutoFeatureExtractor.from_pretrained("microsoft/resnet-34")
model = ResNetForImageClassification.from_pretrained("microsoft/resnet-34")

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。

✨ 主要特性

• ResNet（殘差網絡）是一種卷積神經網絡，它普及了殘差學習和跳躍連接的概念，使得訓練更深的模型成為可能。
• 此為 ResNet v1.5，與原始模型有所不同：在需要下采樣的瓶頸塊中，v1 在第一個 1x1 卷積中步長為 2，而 v1.5 在 3x3 卷積中步長為 2。根據 Nvidia 的說法，這種差異使 ResNet50 v1.5 比 v1 略準確（top1 準確率約高 0.5%），但會有輕微的性能損失（約 5% 的圖像/秒）。

📚 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。可查看 模型中心 以尋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

@inproceedings{he2016deep,
  title={Deep residual learning for image recognition},
  author={He, Kaiming and Zhang, Xiangyu and Ren, Shaoqing and Sun, Jian},
  booktitle={Proceedings of the IEEE conference on computer vision and pattern recognition},
  pages={770--778},
  year={2016}
}

📄 許可證

本模型採用 Apache-2.0 許可證。

信息表格

免責聲明

發佈 ResNet 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。