ConvNeXT（大型模型）

ConvNeXT 模型在 ImageNet-1k 数据集上进行了训练，分辨率为 224x224。该模型在刘等人的论文 A ConvNet for the 2020s 中被提出并首次发布于 this repository 。

免责声明：发布 ConvNeXT 模型的团队未为该模型撰写模型卡片，因此该模型卡片由 Hugging Face 团队编写。

模型描述

ConvNeXT 是一种纯卷积模型（ConvNet），受到 Vision Transformers 的设计启发，并声称具有比它们更好的性能。作者从 ResNet 出发，通过借鉴 Swin Transformer 的设计进行了"现代化"改进。

目标用途与限制

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

如何使用

使用该模型将 COCO 2017 数据集中的图像分类为其中的一个 ImageNet 的 1,000 个类别，请按照以下步骤进行：

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}
}