ConvNeXT（大型模型）

ConvNeXT模型在ImageNet-1k数据集上进行训练，分辨率为224x224。它是由Liu等人在论文 A ConvNet for the 2020s 中提出的，并于 this repository 首次发布。

声明：发布ConvNeXT模型的团队未为该模型撰写模型卡片，因此该模型卡片由Hugging Face团队撰写。

模型描述

ConvNeXT是一个纯卷积模型（ConvNet），受到Vision Transformers设计的启发，并声称胜过它们。作者们从ResNet开始，并通过借鉴Swin Transformer的设计来"现代化"其结构。

使用目的与限制

您可以使用原始模型进行图像分类。请查看 model hub 以寻找您感兴趣的任务的经过微调的版本。

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 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-small-224")
model = ConvNextForImageClassification.from_pretrained("facebook/convnext-small-224")

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]),

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}
}