RegNetModel

RegNetModel模型是在论文 Vision Models Are More Robust And Fair When Pretrained On Uncurated Images Without Supervision 中介绍的，并在 this repository 中首次发布。

免责声明：发布RegNetModel的团队没有为此模型编写模型卡片，因此此模型卡片是由Hugging Face团队编写的。

模型描述

作者们以自监督的方式在互联网上的数十亿张随机图像上训练了 RegNets 个模型。

预期用途和限制

您可以使用原始模型进行图像分类。 请查看 model hub 以寻找您感兴趣的任务的微调版本。

如何使用

这是如何使用此模型的方法：

>>> from transformers import AutoFeatureExtractor, RegNetModel
>>> 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 = RegNetModel.from_pretrained("zuppif/regnet-y-040")

>>> inputs = feature_extractor(image, return_tensors="pt")

>>> with torch.no_grad():
...     outputs = model(**inputs)

>>> last_hidden_states = outputs.last_hidden_state
>>> list(last_hidden_states.shape)
[1, 1088, 7, 7]

更多代码示例，请参阅 documentation 。