许可证：apache-2.0
标签：

• 视觉
• 图像分类
  数据集：
• imagenet-1k
  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

LeViT

LeViT-256模型在ImageNet-1k数据集上以224x224分辨率进行了预训练。该模型由Graham等人在论文LeViT: a Vision Transformer in ConvNet's Clothing for Faster Inference中提出，并首次发布于此代码库。

免责声明：发布LeViT的团队未为此模型编写模型卡，因此本模型卡由Hugging Face团队撰写。

使用方法

以下示例展示了如何使用该模型将COCO 2017数据集中的一张图片分类为ImageNet的1,000个类别之一：

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-256')  
model = LevitForImageClassificationWithTeacher.from_pretrained('facebook/levit-256')  

inputs = feature_extractor(images=image, return_tensors="pt")  
outputs = model(**inputs)  
logits = outputs.logits  
# 模型预测ImageNet的1,000个类别之一  
predicted_class_idx = logits.argmax(-1).item()  
print("预测类别:", model.config.id2label[predicted_class_idx])