RegNet

RegNet模型是基于ImageNet-1k数据集训练的。它在论文 Designing Network Design Spaces 中被提出，并在 this repository 中首次发布。

免责声明：发布RegNet模型的团队没有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

作者设计了用于进行神经架构搜索（NAS）的搜索空间。他们首先从一个高维度的搜索空间开始，并通过根据当前搜索空间中采样的表现最佳的模型经验性地应用约束来迭代地减小搜索空间。

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

以下是如何使用该模型的方法：

>>> from transformers import AutoFeatureExtractor, RegNetForImageClassification
>>> import torch
>>> from datasets import load_dataset

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

>>> feature_extractor = AutoFeatureExtractor.from_pretrained("zuppif/regnet-y-040")
>>> model = RegNetForImageClassification.from_pretrained("zuppif/regnet-y-040")

>>> 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])
'tabby, tabby cat'

有关更多代码示例，我们参考 documentation 。