许可协议: apache-2.0
标签:

• 视觉
• 图像分类

数据集:

• imagenet-1k

示例展示:

• 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模型

基于imagenet-1k数据集训练的RegNet模型。该模型首次发表于论文《设计网络设计空间》(https://arxiv.org/abs/2003.13678)，并在此代码库中开源。

免责声明：RegNet研发团队未提供该模型的说明文档，本文档由Hugging Face团队撰写。

模型描述

研究者通过设计搜索空间来进行神经架构搜索(NAS)。他们首先构建高维搜索空间，然后根据当前搜索空间中表现最佳模型的采样结果，逐步通过经验性约束来缩减搜索空间。

应用场景与限制

您可以将该原始模型用于图像分类任务。访问模型中心可查看针对特定任务微调的版本。

使用方法

使用方式如下：

>>> 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。