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

ConvNeXT（大型模型）

ConvNeXT模型在ImageNet-1k数据集上以384x384分辨率训练而成。该模型由Liu等人在论文《A ConvNet for the 2020s》（https://arxiv.org/abs/2201.03545）中提出，并首次发布于此代码库（https://github.com/facebookresearch/ConvNeXt）。

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

模型描述

ConvNeXT是一个纯卷积模型（ConvNet），受视觉Transformer设计的启发，声称性能优于Transformer。作者从ResNet出发，以Swin Transformer为灵感，“现代化”了其设计。

预期用途与限制

您可以将原始模型用于图像分类任务。访问模型中心（https://huggingface.co/models?search=convnext）以寻找针对您感兴趣任务的微调版本。

使用方法

以下是如何使用此模型将COCO 2017数据集中的一张图像分类到1000个ImageNet类别之一：

from transformers import ConvNextFeatureExtractor, ConvNextForImageClassification  
import torch  
from datasets import load_dataset  

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

feature_extractor = ConvNextFeatureExtractor.from_pretrained("facebook/convnext-large-384")  
model = ConvNextForImageClassification.from_pretrained("facebook/convnext-large-384")  

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])  

更多代码示例，请参阅文档（https://huggingface.co/docs/transformers/master/en/model_doc/convnext）。

BibTeX条目与引用信息

@article{DBLP:journals/corr/abs-2201-03545,  
  author    = {Zhuang Liu and  
               Hanzi Mao and  
               Chao{-}Yuan Wu and  
               Christoph Feichtenhofer and  
               Trevor Darrell and  
               Saining Xie},  
  title     = {A ConvNet for the 2020s},  
  journal   = {CoRR},  
  volume    = {abs/2201.03545},  
  year      = {2022},  
  url       = {https://arxiv.org/abs/2201.03545},  
  eprinttype = {arXiv},  
  eprint    = {2201.03545},  
  timestamp = {Thu, 20 Jan 2022 14:21:35 +0100},  
  biburl    = {https://dblp.org/rec/journals/corr/abs-2201-03545.bib},  
  bibsource = {dblp computer science bibliography, https://dblp.org}  
}