许可证：apache-2.0
标签：

• 视觉

微件示例：

• 图片链接：https://huggingface.co/datasets/mishig/sample_images/resolve/main/tiger.jpg
  示例标题：老虎
• 图片链接：https://huggingface.co/datasets/mishig/sample_images/resolve/main/teapot.jpg
  示例标题：茶壶
• 图片链接：https://huggingface.co/datasets/mishig/sample_images/resolve/main/palace.jpg
  示例标题：宫殿

RegNet模型

RegNet模型由论文《视觉模型在无监督未筛选图像预训练后更具鲁棒性与公平性》提出，并首次发布于此代码库。

免责声明：发布RegNet模型的团队未编写模型卡片，本文档由Hugging Face团队撰写。

模型描述

作者采用自监督方式，在互联网数十亿随机图像上训练了RegNet系列模型。

应用场景与限制

该基础模型可用于图像分类任务。访问模型中心可探索针对特定任务的微调版本。

使用方法

调用方式如下：

>>> from transformers import AutoFeatureExtractor, RegNetModel  
>>> import torch  
>>> from datasets import load_dataset  

>>> dataset = load_dataset("huggingface/cats-image")  
>>> image = dataset["test"]["image"][0]  

>>> feature_extractor = AutoFeatureExtractor.from_pretrained("zuppif/regnet-y-040")  
>>> model = RegNetModel.from_pretrained("zuppif/regnet-y-040")  

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

>>> with torch.no_grad():  
...     outputs = model(**inputs)  

>>> last_hidden_states = outputs.last_hidden_state  
>>> list(last_hidden_states.shape)  
[1, 1088, 7, 7]  

更多代码示例详见文档。