Van Small

🚀 Van模型

Van模型是在ImageNet - 1K数据集上训练得到的。它在论文Visual Attention Network中被提出，并首次在此仓库中发布。

需要说明的是，发布Van模型的团队并未为此模型撰写模型卡片，本模型卡片由Hugging Face团队撰写。

🚀 快速开始

Van模型可用于图像分类任务。你可以在模型中心查找针对你感兴趣任务的微调版本。

以下是使用该模型的示例代码：

基础用法

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

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

>>> feature_extractor = AutoFeatureExtractor.from_pretrained("Visual-Attention-Network/van-base")
>>> model = VanForImageClassification.from_pretrained("Visual-Attention-Network/van-base")

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

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

>>> # model predicts one of the 1000 ImageNet classes
>>> predicted_label = logits.argmax(-1).item()
>>> print(model.config.id2label[predicted_label])
tabby, tabby cat

更多代码示例请参考文档。

✨ 主要特性

本文提出了一种基于卷积操作的新型注意力层，该层能够同时捕捉局部和远距离关系。这是通过结合普通卷积层和大核卷积层实现的，其中大核卷积层使用扩张卷积来捕捉远距离相关性。

📄 许可证

本模型采用Apache - 2.0许可证。

⚠️ 重要提示

发布Van模型的团队并未为此模型撰写模型卡片，本模型卡片由Hugging Face团队撰写。

💡 使用建议

可在模型中心查找针对特定任务的微调版本以获得更好的效果。