Convnext Base 384

🚀 ConvNeXT（基础大小模型）

ConvNeXT是一个在图像分类领域表现出色的模型。它基于纯卷积架构，受视觉Transformer设计启发，在ImageNet - 1k数据集上以384x384分辨率进行训练，展现出强大的图像分类能力。

🚀 快速开始

ConvNeXT是一个纯卷积模型（ConvNet），受视觉Transformer的设计启发，宣称性能优于它们。作者从ResNet出发，以Swin Transformer为灵感对其设计进行了“现代化”改造。

✨ 主要特性

• 纯卷积架构：ConvNeXT是一个纯粹的卷积模型，结合了卷积网络的优势。
• 受Transformer启发：借鉴了视觉Transformer的设计理念，对传统卷积网络进行了改进。
• 高性能：在ImageNet - 1k数据集上进行训练，在图像分类任务中表现出色。

📦 安装指南

文档中未提及具体安装步骤，暂不提供。

💻 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 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-base-384")
model = ConvNextForImageClassification.from_pretrained("facebook/convnext-base-384")

inputs = processor(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]),

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，查找针对你感兴趣的任务进行微调的版本。

免责声明

发布ConvNeXT的团队没有为该模型编写模型卡片，因此此模型卡片由Hugging Face团队编写。

🔧 技术细节

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 中发布。

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。