许可证：apache-2.0
标签：

• 视觉
• 图像分类

数据集：

• imagenet-1k

小部件示例：

• 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

ResNet

基于imagenet-1k训练的ResNet模型。该模型由论文《深度残差学习用于图像识别》（Deep Residual Learning for Image Recognition）提出，并首次发布于此代码库。

免责声明：发布ResNet的团队未为此模型编写说明卡片，本卡片由Hugging Face团队撰写。

模型描述

ResNet引入了残差连接结构，使得训练超深层网络（最高达1000层）成为可能。该模型赢得了2015年ILSVRC和COCO竞赛冠军，成为深度计算机视觉领域的重要里程碑。

使用场景与限制

您可将原始模型用于图像分类任务。访问模型中心可查找针对特定任务微调的版本。

使用方法

使用方式如下：

>>> from transformers import AutoImageProcessor, AutoModelForImageClassification  
>>> import torch  
>>> from datasets import load_dataset  

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

>>> image_processor = AutoImageProcessor.from_pretrained("microsoft/resnet-18")  
>>> model = AutoModelForImageClassification.from_pretrained("microsoft/resnet-18")  

>>> inputs = image_processor(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。