🚀 ConvNeXT(大型模型)
ConvNeXT是一个在图像分类任务中表现出色的模型,它基于卷积神经网络架构,在ImageNet - 1k数据集上进行了训练,能够高效准确地对图像进行分类。
🚀 快速开始
ConvNeXT模型在分辨率为224x224的ImageNet - 1k数据集上进行了训练。它由Liu等人在论文A ConvNet for the 2020s中提出,并首次在此仓库中发布。
需要说明的是,发布ConvNeXT的团队并未为此模型撰写模型卡片,此模型卡片由Hugging Face团队编写。
✨ 主要特性
- 创新架构:ConvNeXT是一个纯卷积模型(ConvNet),它受到了视觉变换器(Vision Transformers)设计的启发,宣称性能优于视觉变换器。作者从ResNet出发,以Swin Transformer为灵感对其设计进行了“现代化”改进。
- 图像分类能力:可用于图像分类任务,可在模型中心查找针对特定任务的微调版本。

📚 详细文档
预期用途与限制
你可以使用原始模型进行图像分类。可查看模型中心,查找你感兴趣任务的微调版本。
如何使用
以下是如何使用此模型将COCO 2017数据集中的图像分类为1000个ImageNet类别之一的示例:
from transformers import ConvNextImageProcessor, ConvNextForImageClassification
import torch
from datasets import load_dataset
dataset = load_dataset("huggingface/cats-image")
image = dataset["test"]["image"][0]
processor = ConvNextImageProcessor.from_pretrained("facebook/convnext-small-224")
model = ConvNextForImageClassification.from_pretrained("facebook/convnext-small-224")
inputs = processor(image, return_tensors="pt")
with torch.no_grad():
logits = model(**inputs).logits
predicted_label = logits.argmax(-1).item()
print(model.config.id2label[predicted_label]),
更多代码示例,请参考文档。
BibTeX引用和引用信息
@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}
}
📄 许可证
本模型采用Apache - 2.0许可证。
属性 |
详情 |
模型类型 |
图像分类模型 |
训练数据 |
ImageNet - 1k |
⚠️ 重要提示
发布ConvNeXT的团队并未为此模型撰写模型卡片,此模型卡片由Hugging Face团队编写。
💡 使用建议
可在模型中心查找针对特定任务的微调版本以获得更好的性能。