Resnet 18

🚀 ResNet

ResNet是在ImageNet-1K數據集上訓練的模型，它解決了深度神經網絡難以訓練的問題，通過引入殘差連接，使得網絡可以訓練多達1000層，在圖像分類任務中具有重要價值。

🚀 快速開始

ResNet模型在ImageNet-1K數據集上進行了訓練。它首次在論文 Deep Residual Learning for Image Recognition 中被提出，並在 此倉庫 中首次發佈。

聲明：發佈ResNet的團隊並未為此模型撰寫模型卡片，此模型卡片由Hugging Face團隊編寫。

✨ 主要特性

ResNet引入了殘差連接，這使得網絡能夠訓練前所未有的層數（最多可達1000層）。ResNet贏得了2015年的ILSVRC和COCO競賽，這是深度計算機視覺領域的一個重要里程碑。

📚 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 以尋找針對你感興趣的任務進行微調的版本。

如何使用

以下是使用此模型的示例：

>>> from transformers import AutoImageProcessor, AutoModelForImageClassification
>>> import torch
>>> from datasets import load_dataset

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

>>> image_processor = AutoImageProcessor.from_pretrained("microsoft/resnet-18")
>>> model = AutoModelForImageClassification.from_pretrained("microsoft/resnet-18")

>>> inputs = image_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])
tiger cat

更多代碼示例，請參考 文檔。

📄 許可證

本模型採用Apache-2.0許可證。