ConvNeXT (xlarge-sized model)

ConvNeXT模型在ImageNet-22k上进行预训练，并在分辨率为384x384的ImageNet-1k上进行了微调。该模型由刘等人在论文 A ConvNet for the 2020s 中提出，并首次在 this repository 中发布。

免责声明：发布ConvNeXT模型的团队未为该模型撰写模型卡片，因此这个模型卡片是由Hugging Face团队撰写的。

模型描述

ConvNeXT是一个纯卷积模型(ConvNet)，受到Vision Transformers设计的启发，声称在性能上超越了Vision Transformers。作者从一个ResNet开始，并通过借鉴Swin Transformer的设计来“现代化”其设计。

预期用途和限制

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

如何使用

以下是如何使用此模型将COCO 2017数据集中的图像分类为1,000个ImageNet类别的方法：

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

inputs = processor(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}
}