Convnext Large 384

🚀 ConvNeXT（大型模型）

ConvNeXT是一个在图像分类领域表现出色的模型。它基于纯卷积架构，从视觉变换器（Vision Transformers）的设计中汲取灵感，有望在相关任务中超越变换器模型。该模型在ImageNet - 1k数据集上以384x384的分辨率进行训练，为图像分类等视觉任务提供了强大的支持。

🚀 快速开始

ConvNeXT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。

✨ 主要特性

• 纯卷积架构：ConvNeXT是一个纯卷积模型（ConvNet），从视觉变换器的设计中获取灵感，宣称能超越变换器模型。
• 设计现代化：作者从ResNet出发，以Swin Transformer为灵感对其设计进行“现代化”改造。

📦 安装指南

文档未提及具体安装步骤，故跳过此章节。

💻 使用示例

基础用法

以下是如何使用该模型将COCO 2017数据集中的图像分类为1000个ImageNet类别之一的示例：

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

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

更多代码示例请参考文档。

📚 详细文档

模型描述

ConvNeXT是一个纯卷积模型（ConvNet），受视觉变换器设计的启发，宣称能超越它们。作者从ResNet开始，以Swin Transformer为灵感对其设计进行“现代化”改造。

预期用途与限制

你可以使用原始模型进行图像分类。可在模型中心查找针对你感兴趣任务的微调版本。

🔧 技术细节

文档未提供详细技术细节，故跳过此章节。

📄 许可证

本模型采用Apache - 2.0许可证。

BibTeX引用和引用信息

@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}
}

信息表格