Convnext Base 224 22k 1k

🚀 ConvNeXT (基础大小模型)

ConvNeXT是一种预训练的图像分类模型，在ImageNet - 22k数据集上进行预训练，并在分辨率为224x224的ImageNet - 1k数据集上进行微调。它为图像分类任务提供了高效且准确的解决方案。

🚀 快速开始

ConvNeXT模型可直接用于图像分类任务。你可以在模型中心查找针对特定任务微调后的版本。

以下是使用该模型将COCO 2017数据集中的图像分类为1000个ImageNet类之一的示例代码：

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-base-224-22k-1k")
model = ConvNextForImageClassification.from_pretrained("facebook/convnext-base-384-224-1k")

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

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

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

更多代码示例请参考文档。

✨ 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。

💻 使用示例

基础用法

以下是使用该模型进行图像分类的基础代码示例：

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-base-224-22k-1k")
model = ConvNextForImageClassification.from_pretrained("facebook/convnext-base-384-224-1k")

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

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

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

📚 详细文档

模型描述

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

预期用途和局限性

你可以使用原始模型进行图像分类。在模型中心查找针对你感兴趣的任务微调后的版本。

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}
}

📄 许可证

本模型采用Apache 2.0许可证。

📦 模型信息