---

license: apache-2.0 tags:

• vision
• image-classification

datasets:

• imagenet-1k

widget:

• src: https://huggingface.co/datasets/mishig/sample_images/resolve/main/tiger.jpg example_title: Tiger
• src: https://huggingface.co/datasets/mishig/sample_images/resolve/main/teapot.jpg example_title: Teapot
• src: https://huggingface.co/datasets/mishig/sample_images/resolve/main/palace.jpg example_title: Palace

---

RegNet

该 RegNet 模型基于 ImageNet-1k 数据集训练而成，相关论文发表于《无监督未筛选图像预训练使视觉模型更具鲁棒性与公平性》，并首次发布于此代码库。

免责声明：RegNet 发布团队未提供本模型的模型卡片，本文档由 Hugging Face 团队编写。

模型描述

研究团队采用自监督学习方式，对来自互联网的数十亿随机图像训练了 RegNet 系列模型。本模型后续基于 ImageNet 进行了精细调优。

使用场景与限制

您可将本基础模型用于图像分类任务。欢迎访问模型中心探索针对特定任务进行微调的衍生版本。

使用方法

以下是使用本模型的操作指南：

>>> 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，请参阅文档。