ConvNeXT（基本尺寸模型）

ConvNeXT 模型在 ImageNet-22k 上进行了预训练，并在 224x224 分辨率的 ImageNet-1k 上进行了微调。它在 Liu 等人的论文 A ConvNet for the 2020s 中首次提出，并在 this repository 中首次发布。

免责声明：发布 ConvNeXT 的团队未为此模型编写模型卡片，因此此模型卡片由 Hugging Face 团队编写。

模型描述

ConvNeXT 是一个纯卷积模型（ConvNet），受到 Vision Transformers 的设计启发，并声称超越了它们。作者从 ResNet 开始，通过借鉴 Swin Transformer 的设计对其进行了“现代化”的改进。

预期用途和限制

您可以使用原始模型进行图像分类。请参阅 model hub 以查找您感兴趣的任务的微调版本。

如何使用

这是如何使用该模型将 COCO 2017 数据集的图像分类为 ImageNet 的 1,000 个类别之一：

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-base-224-22k-1k")
model = ConvNextForImageClassification.from_pretrained("facebook/convnext-base-384-224-1k")

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]),

关于更多代码示例，请参考 documentation 。

BibTeX 条目和引用信息

@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}
}