Convnext Large 384 22k 1k

🚀 ConvNeXT（大型模型）

ConvNeXT是一个预训练模型，在ImageNet - 22k数据集上进行预训练，并在分辨率为384x384的ImageNet - 1k数据集上进行微调。它能有效用于图像分类任务，为图像识别领域提供了强大的支持。

🚀 快速开始

ConvNeXT是一个纯卷积模型（ConvNet），其设计灵感源自视觉变换器（Vision Transformers），并宣称性能超越了它们。该模型的作者从ResNet出发，以Swin Transformer为灵感对其设计进行了“现代化”改进。

✨ 主要特性

• 基于纯卷积架构，受视觉变换器设计启发。
• 在ImageNet - 22k上预训练，在ImageNet - 1k上微调，适用于图像分类任务。
• 宣称性能优于视觉变换器。

📦 安装指南

文档未提及具体安装步骤，可参考Hugging Face相关库的安装说明。

💻 使用示例

基础用法

以下是如何使用该模型将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 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-large-384-22k-1k")
model = ConvNextForImageClassification.from_pretrained("facebook/convnext-large-384-22k-1k")

inputs = feature_extractor(image, return_tensors="pt")

with torch.no_grad():
    logits = model(**inputs).logits

# 模型预测1000个ImageNet类别之一
predicted_label = logits.argmax(-1).item()
print(model.config.id2label[predicted_label]),

高级用法

更多代码示例，请参考文档。

📚 详细文档

预期用途和限制

你可以使用原始模型进行图像分类。请查看模型中心，以查找针对你感兴趣的任务进行微调的版本。

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。

⚠️ 重要提示

发布ConvNeXT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。