🚀 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
你可以使用原始模型进行图像分类。你可以在 模型中心 查找针对你感兴趣的任务进行微调后的版本。
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
>>>
>>> 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
- 作者设计了搜索空间来执行神经架构搜索(NAS)。他们从一个高维搜索空间开始,通过基于当前搜索空间采样出的性能最佳的模型,凭经验应用约束条件,逐步迭代缩小搜索空间。

💻 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("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
>>>
>>> predicted_label = logits.argmax(-1).item()
>>> print(model.config.id2label[predicted_label])
'tabby, tabby cat'
高级用法
如需更多高级使用场景,请参考 文档。
📚 详细文档
该模型由Hugging Face团队编写模型卡片,原发布团队未编写相关模型卡片。模型基于在ImageNet - 1K数据集上的训练,可用于图像分类任务。
📄 许可证
该模型采用Apache - 2.0许可证。