🚀 LeViT

LeViT是一个预训练的图像分类模型，在ImageNet - 1k数据集上以224x224分辨率进行预训练。该模型能够快速对图像进行分类，为图像识别任务提供高效解决方案。

🚀 快速开始

LeViT-192模型在ImageNet - 1k数据集上以224x224分辨率进行了预训练。它由Graham等人在论文LeViT: a Vision Transformer in ConvNet's Clothing for Faster Inference中提出，并首次在此仓库发布。

声明：发布LeViT的团队未为此模型编写模型卡片，此模型卡片由Hugging Face团队编写。

💻 使用示例

基础用法

from transformers import LevitFeatureExtractor, LevitForImageClassificationWithTeacher
from PIL import Image
import requests

url = 'http://images.cocodataset.org/val2017/000000039769.jpg'
image = Image.open(requests.get(url, stream=True).raw)

feature_extractor = LevitFeatureExtractor.from_pretrained('facebook/levit-192')
model = LevitForImageClassificationWithTeacher.from_pretrained('facebook/levit-192')

inputs = feature_extractor(images=image, return_tensors="pt")
outputs = model(**inputs)
logits = outputs.logits
# model predicts one of the 1000 ImageNet classes
predicted_class_idx = logits.argmax(-1).item()
print("Predicted class:", model.config.id2label[predicted_class_idx])

📄 许可证

本项目采用Apache - 2.0许可证。

以下是一些示例图片，可用于快速测试模型：

• 老虎
• 茶壶
• 宫殿