RegNet

RegNet模型在图片识别任务上经过imagenet-1k训练。该模型在论文 Designing Network Design Spaces 中被介绍，并于 this repository 首次发布。

免责声明：发布RegNet模型的团队并未为该模型编写模型卡片，因此本模型卡片是由Hugging Face团队编写的。

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搜索空间开始，通过根据当前搜索空间中表现最佳的模型的经验性约束，逐步缩小搜索空间。

模型的使用目标和限制

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

如何使用

下面是如何使用该模型：

>>> 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'

如需更多代码示例，请参阅 documentation 。