Regnet Y 1280 Seer In1k

🚀 RegNet

RegNet是在ImageNet-1K数据集上训练的模型，它解决了图像分类的任务，为图像识别领域提供了强大的支持。该模型在未经人工筛选的图像上进行无监督预训练，使得模型更加鲁棒和公平。

🚀 快速开始

RegNet模型可用于图像分类任务。你可以直接使用原始模型进行图像分类，也可以在模型中心（model hub）查找针对特定任务微调后的版本。

模型使用示例

以下是使用该模型的示例代码：

>>> from transformers import AutoFeatureExtractor, RegNetForImageClassification
>>> import torch
>>> from datasets import load_dataset

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

>>> feature_extractor = AutoFeatureExtractor.from_pretrained("zuppif/regnet-y-040")
>>> model = RegNetForImageClassification.from_pretrained("zuppif/regnet-y-040")

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

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

>>> # 模型预测1000个ImageNet类别中的一个
>>> predicted_label = logits.argmax(-1).item()
>>> print(model.config.id2label[predicted_label])
'tabby, tabby cat'

更多代码示例请参考文档。

✨ 主要特性

• 自监督训练：作者在来自互联网的数十亿随机图像上以自监督的方式训练了RegNets模型。
• 微调应用：该模型在ImageNet上进行了微调，可用于图像分类任务。

📚 详细文档

模型描述

作者以自监督的方式在来自互联网的数十亿随机图像上训练了RegNets模型，之后在ImageNet上进行了微调。

预期用途和限制

你可以使用原始模型进行图像分类。可在模型中心查找针对你感兴趣的任务微调后的版本。

📄 许可证

本模型采用Apache-2.0许可证。

免责声明

发布RegNet的团队未为此模型编写模型卡片，此模型卡片由Hugging Face团队编写。