LeViT

LeViT-256模型在ImageNet-1k数据集上进行了224x224分辨率的预训练。这个模型最初是由Graham等人在 LeViT: a Vision Transformer in ConvNet's Clothing for Faster Inference 论文中提出并在 this repository 首次发布。

免责声明：LeViT发布团队没有为这个模型编写模型卡片，因此这个模型卡片是由Hugging Face团队编写的。

用法

以下是如何使用该模型对COCO 2017数据集的图像进行分类，将其归类为1,000个ImageNet类别之一：

from transformers import LevitFeatureExtractor, LevitForImageClassificationWithTeacher
from PIL import Image
import requests

url = 'http://images.cocodataset.org/val2017/000000039769.jpg'
image = Image.open(requests.get(url, stream=True).raw)

feature_extractor = LevitFeatureExtractor.from_pretrained('facebook/levit-256')
model = LevitForImageClassificationWithTeacher.from_pretrained('facebook/levit-256')

inputs = feature_extractor(images=image, return_tensors="pt")
outputs = model(**inputs)
logits = outputs.logits
# model predicts one of the 1000 ImageNet classes
predicted_class_idx = logits.argmax(-1).item()
print("Predicted class:", model.config.id2label[predicted_class_idx])