ConvNeXT（基本模型大小）

ConvNeXT模型在分辨率为224x224的ImageNet-22k上进行了训练。它是由Liu等人在 A ConvNet for the 2020s 论文中提出，并在 this repository 首次发布。

免责声明：发布ConvNeXT的团队未为该模型编写模型卡片，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，声称在性能上超越它们。作者们从ResNet出发，通过以Swin Transformer为灵感进行“现代化”设计。

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 以寻找您感兴趣的任务上的微调版本。

使用方法

以下是如何使用该模型将COCO 2017数据集中的图像分类为1,000个ImageNet类别之一：

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

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

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

inputs = processor(image, return_tensors="pt")

with torch.no_grad():
    logits = model(**inputs).logits

# model predicts one of the 22k ImageNet classes
predicted_label = logits.argmax(-1).item()
print(model.config.id2label[predicted_label]),

有关更多代码示例，请参阅 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}
}