Van Tiny

🚀 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。该模型可用于图像分类任务，为图像识别领域提供了新的解决方案。

🚀 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后的版本。

以下是如何使用此模型的示例代码：

>>> 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

本文介绍了一种基于卷积操作的新型注意力层，该层能够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来实现的。其中，大核卷积层使用扩张卷积来捕捉远距离相关性。

📚 详细文档

预期用途和限制

你可以使用原始模型进行图像分类。可以在模型中心查找针对特定任务微调后的版本。

使用说明

代码示例展示了如何使用该模型进行图像分类预测，详细步骤包括加载数据集、提取特征、加载模型、输入数据、进行预测并输出结果。

📄 许可证

本模型采用Apache - 2.0许可证。

标签和数据集

示例小部件

• 老虎
• 茶壶
• 宫殿

免责声明

发布Van模型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。