ConvNeXT (基准尺寸模型)

ConvNeXT模型在ImageNet-1k数据集上训练，分辨率为384x384。该模型由Liu等人在论文 A ConvNet for the 2020s 中提出，并于 this repository 首次发布。

免责声明：ConvNeXT团队并未为此模型编写模型指南，因此本模型指南由Hugging Face团队编写。

模型描述

ConvNeXT是一种纯卷积模型（ConvNet），受到Vision Transformers设计的启发，并声称在性能上超越了它们。作者从ResNet开始，并通过借鉴Swin Transformer的设计使其设计现代化。

预期用途和限制

您可以使用原始模型进行图像分类。查看 model hub ，以寻找在您感兴趣的任务上进行优化的版本。

如何使用

这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类别之一的示例：

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-384")
model = ConvNextForImageClassification.from_pretrained("facebook/convnext-base-384")

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]),

如需更多代码示例，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}
}