Regnet X 040

🚀 RegNet

RegNet是在ImageNet-1K数据集上训练的模型。它在论文 Designing Network Design Spaces 中被提出，并首次在 此仓库 中发布。该模型可用于图像分类任务，为相关领域的研究和应用提供了有力支持。

🚀 快速开始

RegNet模型可直接用于图像分类。你可以在 模型中心 查找针对你感兴趣任务的微调版本。

以下是使用该模型的示例代码：

基础用法

>>> 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("facebook/regnet-x-040")
>>> model = RegNetForImageClassification.from_pretrained("facebook/regnet-x-040")

>>> 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])
'tabby, tabby cat'

更多代码示例，请参考 文档。

✨ 主要特性

• 搜索空间设计：作者设计了搜索空间来执行神经架构搜索（NAS）。他们从高维搜索空间开始，通过基于当前搜索空间采样的最佳性能模型经验性地应用约束，迭代地缩小搜索空间。

📦 安装指南

文档中未提及安装步骤，若有需要请参考相关依赖库的安装说明。

💻 使用示例

基础用法

>>> 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("facebook/regnet-x-040")
>>> model = RegNetForImageClassification.from_pretrained("facebook/regnet-x-040")

>>> 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])
'tabby, tabby cat'

高级用法

更多高级使用场景和代码示例，请参考 文档。

📚 详细文档

关于RegNet模型的详细信息，如模型参数、配置等，请参考 文档。

🔧 技术细节

作者设计搜索空间以执行神经架构搜索（NAS）。具体而言，他们先从高维搜索空间入手，然后基于当前搜索空间采样得到的最佳性能模型，通过经验性地应用约束条件，逐步迭代缩小搜索空间。这种方法有助于在更合理的范围内寻找最优的模型架构。

📄 许可证

本模型采用Apache-2.0许可证。

⚠️ 重要提示

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