许可证：apache-2.0
标签：

• 视觉
• 图像分类

数据集：

• imagenet-1k

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

在imagenet-1k上训练的RegNet模型。该模型首次发表于论文《设计网络设计空间》（Designing Network Design Spaces），并在此代码库中首次发布。

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

模型描述

作者通过设计搜索空间来进行神经架构搜索（NAS）。他们首先从一个高维搜索空间开始，然后基于当前搜索空间中表现最佳的模型样本，逐步通过经验性约束来缩小搜索空间。

用途与限制

您可以将此原始模型用于图像分类任务。访问模型中心以查找针对您感兴趣任务的微调版本。

使用方法

以下是使用此模型的示例代码：

>>> 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])  
'虎斑猫'  

更多代码示例，请参阅文档。