Convnext Xlarge 224 22k

🚀 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

# 模型预测22k ImageNet类别之一
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