🚀 ConvNeXT(大型模型)
ConvNeXT是一个用于图像分类的模型,它在ImageNet - 1k数据集上进行训练,能将图像准确分类到1000个不同类别中。该模型结合了卷积网络和Transformer的优势,具有出色的性能。
🚀 快速开始
ConvNeXT模型在分辨率为224x224的ImageNet - 1k数据集上进行训练。它由Liu等人在论文 A ConvNet for the 2020s 中提出,并首次在 此仓库 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,此卡片由Hugging Face团队编写。
✨ 主要特性
ConvNeXT是一个纯卷积模型(ConvNet),它受到视觉Transformer设计的启发,宣称性能优于视觉Transformer。作者从ResNet出发,以Swin Transformer为灵感对其设计进行了“现代化”改造。

📦 安装指南
文档未提及安装步骤,跳过该章节。
💻 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到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-large-224")
model = ConvNextForImageClassification.from_pretrained("facebook/convnext-large-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。
📚 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 以寻找针对你感兴趣的任务进行微调的版本。
BibTeX引用与引用信息
@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
本项目采用Apache - 2.0许可证。
补充信息表格