ConvNeXT（基本尺寸模型）

ConvNeXT模型在ImageNet-1k上以224x224的分辨率进行训练。该模型由刘等人在 A ConvNet for the 2020s 论文中提出，并于 this repository 首次发布。

声明：发布ConvNeXT模型的团队未为该模型撰写模型卡，因此本模型卡由Hugging Face团队撰写。

模型描述

ConvNeXT是一个纯卷积模型（ConvNet），受到Vision Transformers设计的启发，声称在性能上超越它们。作者以ResNet为基础，并受到Swin Transformer的设计启发来进行了“现代化”的设计。

预期用途与限制

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

如何使用

以下是使用此模型将COCO 2017数据集中的图像分类为1,000种ImageNet类别的方法：

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-224")
model = ConvNextForImageClassification.from_pretrained("facebook/convnext-base-224")

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]),

有关更多代码示例，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}
}