LeViT

LeViT-128S模型是在ImageNet-1k数据集上以224x224的分辨率预训练的。它是由Graham等人在论文 LeViT: a Vision Transformer in ConvNet's Clothing for Faster Inference 中提出的，并于 this repository 首次发布。

免责声明：发布LeViT模型的团队并未为此模型编写模型卡，因此这个模型卡是由Hugging Face团队编写的。

使用方法

这里是如何使用该模型将COCO 2017数据集中的图像分类为ImageNet的1,000个类别之一：

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-128S')
model = LevitForImageClassificationWithTeacher.from_pretrained('facebook/levit-128S')

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])