🚀 ConvNeXT(超大尺寸模型)
ConvNeXT是一个基于卷积神经网络的模型,它受视觉Transformer设计的启发,有望在性能上超越它们。该模型在ImageNet - 22k数据集上以224x224的分辨率进行训练,可用于图像分类任务。
🚀 快速开始
ConvNeXT是一种纯卷积模型(ConvNet),它受到了视觉Transformer设计的启发,宣称能够超越它们。作者从ResNet出发,以Swin Transformer为灵感对其设计进行了“现代化”改造。

你可以使用原始模型进行图像分类。前往模型中心查找针对你感兴趣的任务进行微调的版本。
✨ 主要特性
- 基于卷积神经网络,受视觉Transformer启发。
- 在ImageNet - 22k数据集上以224x224分辨率训练。
- 宣称性能超越视觉Transformer。
📦 安装指南
文档未提及安装步骤,故跳过此章节。
💻 使用示例
基础用法
from transformers import ConvNextFeatureExtractor, ConvNextForImageClassification
import torch
from datasets import load_dataset
dataset = load_dataset("huggingface/cats-image")
image = dataset["test"]["image"][0]
feature_extractor = ConvNextFeatureExtractor.from_pretrained("facebook/convnext-xlarge-224-22k")
model = ConvNextForImageClassification.from_pretrained("facebook/convnext-xlarge-224-22k")
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]),
高级用法
如需更多代码示例,请参考文档。
📚 详细文档
ConvNeXT模型在论文 A ConvNet for the 2020s 中由Liu等人提出,并首次在 此仓库 发布。
免责声明:发布ConvNeXT的团队未为此模型撰写模型卡片,此模型卡片由Hugging Face团队撰写。
🔧 技术细节
文档未提及技术实现细节,故跳过此章节。
📄 许可证
本模型采用Apache - 2.0许可证。
BibTeX引用
@article{DBLP:journals/corr/abs-2201-03545,
author = {Zhuang Liu and
Hanzi Mao and
Chao{-}Yuan Wu and
Christoph Feichtenhofer and
Trevor Darrell and
Saining Xie},
title = {A ConvNet for the 2020s},
journal = {CoRR},
volume = {abs/2201.03545},
year = {2022},
url = {https://arxiv.org/abs/2201.03545},
eprinttype = {arXiv},
eprint = {2201.03545},
timestamp = {Thu, 20 Jan 2022 14:21:35 +0100},
biburl = {https://dblp.org/rec/journals/corr/abs-2201-03545.bib},
bibsource = {dblp computer science bibliography, https://dblp.org}
}
信息表格
属性 |
详情 |
模型类型 |
基于卷积神经网络的图像分类模型 |
训练数据 |
ImageNet - 22k |
适用任务 |
图像分类 |