🚀 RegNet

RegNet 是一个在 ImageNet-1K 数据集上训练的模型。它在论文 Designing Network Design Spaces 中被提出，并首次在 此代码库 中发布。该模型可用于图像分类任务，为相关领域的研究和应用提供了有力支持。

📄 许可证

本项目采用 Apache-2.0 许可证。

✨ 主要特性

• 作者设计了搜索空间来执行神经架构搜索（NAS）。他们从高维搜索空间开始，根据当前搜索空间采样出的性能最佳的模型，通过经验性地应用约束条件，逐步迭代缩小搜索空间。
• 模型配有可视化架构图，可直观了解其结构：

🚀 快速开始

你可以使用原始模型进行图像分类。你可以在 模型中心 查找针对你感兴趣的任务进行微调的版本。

💻 使用示例

基础用法

>>> from transformers import AutoFeatureExtractor, RegNetForImageClassification
>>> 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 = RegNetForImageClassification.from_pretrained("zuppif/regnet-y-040")

>>> inputs = feature_extractor(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])
'tabby, tabby cat'

高级用法

更多代码示例，请参考 文档。

⚠️ 重要提示

发布 RegNet 的团队并未为此模型编写模型卡片，此模型卡片由 Hugging Face 团队编写。

💡 使用建议

若要使用该模型进行特定任务，可在模型中心查找微调版本以获得更好的性能。