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

Van模型

该模型基于imagenet-1k数据集训练而成，由论文《Visual Attention Network》（https://arxiv.org/abs/2202.09741）首次提出，并发布于该代码库（https://github.com/Visual-Attention-Network/VAN-Classification）。

免责声明：Van模型的研发团队未提供模型卡片，本文档由Hugging Face团队撰写。

模型描述

该论文提出了一种基于卷积操作的新型注意力层，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，后者利用空洞卷积捕捉远距离相关性。

用途与限制

您可将该原始模型用于图像分类任务。如需针对特定任务微调的版本，请查阅模型中心。

使用方法

调用方式如下：

>>> 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  

>>> # 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  

更多代码示例详见文档。