Transformers 文档

ResNet

Transformers

加入Hugging Face社区

并获得增强文档体验

协作模型、数据集和Spaces

使用加速推理更快地使用示例

在文档主题之间切换

开始使用

ResNet

概述

ResNet 模型由何恺明、张祥雨、任少卿和孙剑在《用于图像识别的深度残差学习》中提出。我们的实现遵循了英伟达做出的一些小改动，我们在瓶颈结构的 3x3 卷积中应用 stride=2 进行下采样，而不是在第一个 1x1 卷积中。这通常被称为“ResNet v1.5”。

ResNet 引入了残差连接，它们允许训练具有前所未有层数（最多 1000 层）的网络。ResNet 赢得了 2015 年 ILSVRC 和 COCO 竞赛，是深度计算机视觉领域的一个重要里程碑。

论文中的摘要如下：

更深的深度神经网络更难训练。我们提出了一种残差学习框架来简化比以前使用的网络更深网络的训练。我们明确地将网络层重新表述为学习关于层输入的残差函数，而不是学习未参考的函数。我们提供了全面的实证证据，表明这些残差网络更容易优化，并且可以通过大幅增加深度来提高准确性。在 ImageNet 数据集上，我们评估了深度高达 152 层的残差网络——比 VGG 网络深 8 倍，但复杂度仍然更低。这些残差网络的集成在 ImageNet 测试集上实现了 3.57% 的错误率。该结果赢得了 2015 年 ILSVRC 分类任务的第一名。我们还在 CIFAR-10 上使用 100 层和 1000 层的网络进行了分析。表示的深度对于许多视觉识别任务至关重要。仅仅由于我们极深的表示，我们在 COCO 目标检测数据集上获得了 28% 的相对改进。深度残差网络是我们提交给 2015 年 ILSVRC 和 COCO 竞赛的基础，在这些竞赛中，我们还在 ImageNet 检测、ImageNet 定位、COCO 检测和 COCO 分割任务上获得了第一名。

下图说明了 ResNet 的架构。摘自原始论文。

该模型由 Francesco 贡献。该模型的 TensorFlow 版本由 amyeroberts 添加。原始代码可以在这里找到。

资源

以下列出了官方 Hugging Face 和社区（🌎 表示）资源，可帮助您开始使用 ResNet。

图像分类

ResNetForImageClassification 受此示例脚本和笔记本支持。
另请参阅：图像分类任务指南

如果您有兴趣提交要在此处包含的资源，请随时打开一个 Pull Request，我们会对其进行审查！理想情况下，该资源应演示一些新内容，而不是重复现有的资源。

ResNetConfig

类 transformers.ResNetConfig

< 源代码 >

( num_channels = 3 embedding_size = 64 hidden_sizes = [256, 512, 1024, 2048] depths = [3, 4, 6, 3] layer_type = 'bottleneck' hidden_act = 'relu' downsample_in_first_stage = False downsample_in_bottleneck = False out_features = None out_indices = None **kwargs )

参数

num_channels (int, 可选，默认为 3) — 输入通道的数量。
embedding_size (int, 可选，默认为 64) — 嵌入层的维度（隐藏层大小）。
hidden_sizes (List[int], 可选，默认为 [256, 512, 1024, 2048]) — 每个阶段的维度（隐藏层大小）。
depths (List[int]，可选，默认为 [3, 4, 6, 3]) — 每个阶段的深度（层数）。
layer_type (str，可选，默认为 "bottleneck") — 要使用的层，可以是 "basic"（用于较小的模型，如 resnet-18 或 resnet-34）或 "bottleneck"（用于较大的模型，如 resnet-50 及以上）。
hidden_act (str，可选，默认为 "relu") — 每个块中的非线性激活函数。如果为字符串，则支持 "gelu"、"relu"、"selu" 和 "gelu_new"。
downsample_in_first_stage (bool，可选，默认为 False) — 如果为 True，则第一阶段将使用 stride 为 2 的下采样输入。
downsample_in_bottleneck (bool，可选，默认为 False) — 如果为 True，则 ResNetBottleNeckLayer 中的第一个 conv 1x1 将使用 stride 为 2 的下采样输入。
out_features (List[str]，可选) — 如果用作骨干网络，则输出特征的列表。可以是 "stem"、"stage1"、"stage2" 等（取决于模型有多少个阶段）。如果未设置且 out_indices 已设置，则默认为相应的阶段。如果未设置且 out_indices 未设置，则默认为最后一个阶段。必须与 stage_names 属性中定义的顺序相同。
out_indices (List[int]，可选) — 如果用作骨干网络，则输出特征的索引列表。可以是 0、1、2 等（取决于模型有多少个阶段）。如果未设置且 out_features 已设置，则默认为相应的阶段。如果未设置且 out_features 未设置，则默认为最后一个阶段。必须与 stage_names 属性中定义的顺序相同。

这是用于存储 ResNetModel 配置的配置类。它用于根据指定的参数实例化 ResNet 模型，定义模型架构。使用默认值实例化配置将产生与 ResNet microsoft/resnet-50 架构类似的配置。

配置对象继承自 PretrainedConfig，可用于控制模型输出。阅读 PretrainedConfig 的文档以了解更多信息。

示例

>>> from transformers import ResNetConfig, ResNetModel

>>> # Initializing a ResNet resnet-50 style configuration
>>> configuration = ResNetConfig()

>>> # Initializing a model (with random weights) from the resnet-50 style configuration
>>> model = ResNetModel(configuration)

>>> # Accessing the model configuration
>>> configuration = model.config

Pytorch

隐藏 Pytorch 内容

ResNetModel

类 transformers.ResNetModel

( config )

参数

config (ResNetConfig) — 模型配置类，包含模型的所有参数。使用配置文件初始化不会加载与模型关联的权重，仅加载配置。查看 from_pretrained() 方法以加载模型权重。

基本的 ResNet 模型，输出原始特征，顶部没有任何特定的头部。此模型是 PyTorch torch.nn.Module 的子类。将其用作常规 PyTorch 模块，并参考 PyTorch 文档以了解有关一般用法和行为的所有事项。

前向传播

< 源代码 >

( pixel_values: 张量 output_hidden_states: 可选 = None return_dict: 可选 = None ) → transformers.modeling_outputs.BaseModelOutputWithPoolingAndNoAttention 或 tuple(torch.FloatTensor)

参数

pixel_values (torch.FloatTensor 形状为 (batch_size, num_channels, height, width)) — 像素值。可以使用 AutoImageProcessor 获取像素值。有关详细信息，请参阅 ConvNextImageProcessor.call()。
output_hidden_states (bool, 可选) — 是否返回所有层的隐藏状态。有关详细信息，请参阅返回张量中的 hidden_states。
return_dict (bool, 可选) — 是否返回 ModelOutput 而不是普通元组。

transformers.modeling_outputs.BaseModelOutputWithPoolingAndNoAttention 或 tuple(torch.FloatTensor)

一个 transformers.modeling_outputs.BaseModelOutputWithPoolingAndNoAttention 或 torch.FloatTensor 的元组（如果传递了 return_dict=False 或 config.return_dict=False），包含取决于配置 (ResNetConfig) 和输入的各种元素。

last_hidden_state (torch.FloatTensor 形状为 (batch_size, num_channels, height, width)) — 模型最后一层的输出处的隐藏状态序列。
pooler_output (torch.FloatTensor 形状为 (batch_size, hidden_size)) — 在空间维度上进行池化操作后的最后一层隐藏状态。
hidden_states (tuple(torch.FloatTensor), 可选, 当传递 output_hidden_states=True 或 config.output_hidden_states=True 时返回) — torch.FloatTensor 的元组（一个用于嵌入的输出，如果模型具有嵌入层，以及每个层的输出）形状为 (batch_size, num_channels, height, width)。

模型在每一层输出处的隐藏状态加上可选的初始嵌入输出。

ResNetModel 的前向方法覆盖了 __call__ 特殊方法。

虽然前向传递的配方需要在此函数中定义，但之后应调用 Module 实例，而不是此函数，因为前者负责运行预处理和后处理步骤，而后者则默默地忽略它们。

示例

>>> from transformers import AutoImageProcessor, ResNetModel
>>> import torch
>>> from datasets import load_dataset

>>> dataset = load_dataset("huggingface/cats-image", trust_remote_code=True)
>>> image = dataset["test"]["image"][0]

>>> image_processor = AutoImageProcessor.from_pretrained("microsoft/resnet-50")
>>> model = ResNetModel.from_pretrained("microsoft/resnet-50")

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

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

>>> last_hidden_states = outputs.last_hidden_state
>>> list(last_hidden_states.shape)
[1, 2048, 7, 7]

ResNetForImageClassification

类 transformers.ResNetForImageClassification

< 源代码 >

( config )

参数

config (ResNetConfig) — 模型配置类，包含模型的所有参数。使用配置文件初始化不会加载与模型关联的权重，仅加载配置。查看 from_pretrained() 方法以加载模型权重。

顶部具有图像分类头的 ResNet 模型（池化特征顶部的线性层），例如用于 ImageNet。

此模型是 PyTorch torch.nn.Module 的子类。将其用作常规 PyTorch 模块，并参考 PyTorch 文档以了解与一般用法和行为相关的所有事项。

前向传播

< 源代码 >

( pixel_values: 可选 = None labels: 可选 = None output_hidden_states: 可选 = None return_dict: 可选 = None ) → transformers.modeling_outputs.ImageClassifierOutputWithNoAttention 或 tuple(torch.FloatTensor)

参数

pixel_values (torch.FloatTensor 形状为 (batch_size, num_channels, height, width)) — 像素值。可以使用 AutoImageProcessor 获取像素值。有关详细信息，请参阅 ConvNextImageProcessor.call()。
output_hidden_states (bool, 可选) — 是否返回所有层的隐藏状态。有关更多详细信息，请参阅返回张量中的 hidden_states。
return_dict (bool, 可选) — 是否返回 ModelOutput 而不是普通元组。
labels (torch.LongTensor 形状为 (batch_size,), 可选) — 用于计算图像分类/回归损失的标签。索引应在 [0, ..., config.num_labels - 1] 范围内。如果 config.num_labels > 1，则计算分类损失（交叉熵）。

transformers.modeling_outputs.ImageClassifierOutputWithNoAttention 或 tuple(torch.FloatTensor)

一个 transformers.modeling_outputs.ImageClassifierOutputWithNoAttention 或一个 torch.FloatTensor 的元组（如果传递了 return_dict=False 或当 config.return_dict=False 时），包含取决于配置 (ResNetConfig) 和输入的各种元素。

loss (torch.FloatTensor 形状为 (1,), 可选，当提供 labels 时返回) — 分类（或如果 config.num_labels==1 则为回归）损失。
logits (torch.FloatTensor 形状为 (batch_size, config.num_labels)) — 分类（或如果 config.num_labels==1 则为回归）分数（在 SoftMax 之前）。
hidden_states (tuple(torch.FloatTensor), 可选，当传递 output_hidden_states=True 或当 config.output_hidden_states=True 时返回) — torch.FloatTensor 的元组（一个用于嵌入的输出，如果模型具有嵌入层，加上每个阶段输出的一个）形状为 (batch_size, num_channels, height, width)。模型在每个阶段输出处的隐藏状态（也称为特征图）。

ResNetForImageClassification 的前向方法覆盖了 __call__ 特殊方法。

示例

>>> from transformers import AutoImageProcessor, ResNetForImageClassification
>>> import torch
>>> from datasets import load_dataset

>>> dataset = load_dataset("huggingface/cats-image", trust_remote_code=True)
>>> image = dataset["test"]["image"][0]

>>> image_processor = AutoImageProcessor.from_pretrained("microsoft/resnet-50")
>>> model = ResNetForImageClassification.from_pretrained("microsoft/resnet-50")

>>> inputs = image_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])
tiger cat

TensorFlow

隐藏 TensorFlow 内容

TFResNetModel

类 transformers.TFResNetModel

< 源代码 >

( config: ResNetConfig **kwargs )

参数

config (ResNetConfig) — 模型配置类，包含模型的所有参数。使用配置文件初始化不会加载与模型关联的权重，仅加载配置。请查看 from_pretrained() 方法以加载模型权重。

不带任何特定头部输出原始特征的基本 ResNet 模型。此模型是 TensorFlow keras.layers.Layer 的子类。将其用作常规 TensorFlow 模块，并参考 TensorFlow 文档以了解与一般用法和行为相关的所有事项。

调用

< 源代码 >

( pixel_values: Tensor output_hidden_states: Optional = None return_dict: Optional = None training: bool = False ) → transformers.modeling_tf_outputs.TFBaseModelOutputWithPoolingAndNoAttention 或 tuple(tf.Tensor)

参数

pixel_values (tf.Tensor 形状为 (batch_size, num_channels, height, width)) — 像素值。可以使用 AutoImageProcessor 获取像素值。详情请参阅 ConvNextImageProcessor.call()。
output_hidden_states (bool, 可选) — 是否返回所有层的隐藏状态。有关更多详细信息，请参阅返回张量中的 hidden_states。
return_dict (bool, 可选) — 是否返回 ModelOutput 而不是普通元组。

transformers.modeling_tf_outputs.TFBaseModelOutputWithPoolingAndNoAttention 或 tuple(tf.Tensor)

一个 transformers.modeling_tf_outputs.TFBaseModelOutputWithPoolingAndNoAttention 或 tf.Tensor 的元组（如果传递了 return_dict=False 或当 config.return_dict=False 时），包含根据配置 (ResNetConfig) 和输入而变化的各种元素。

last_hidden_state (tf.Tensor 形状为 (batch_size, num_channels, height, width)) — 模型最后一层的输出处的隐藏状态序列。
pooler_output (tf.Tensor 形状为 (batch_size, hidden_size)) — 在对空间维度进行池化操作后，最后一层的隐藏状态。
hidden_states (tuple(tf.Tensor), 可选, 当传递 output_hidden_states=True 或当 config.output_hidden_states=True 时返回) — tf.Tensor 的元组（如果模型具有嵌入层，则一个用于嵌入层的输出，以及一个用于每一层的输出），形状为 (batch_size, num_channels, height, width)。

模型在每一层输出处的隐藏状态加上可选的初始嵌入输出。

TFResNetModel 的前向方法，覆盖了 __call__ 特殊方法。

示例

>>> from transformers import AutoImageProcessor, TFResNetModel
>>> from datasets import load_dataset

>>> dataset = load_dataset("huggingface/cats-image", trust_remote_code=True)
>>> image = dataset["test"]["image"][0]

>>> image_processor = AutoImageProcessor.from_pretrained("microsoft/resnet-50")
>>> model = TFResNetModel.from_pretrained("microsoft/resnet-50")

>>> inputs = image_processor(image, return_tensors="tf")
>>> outputs = model(**inputs)

>>> last_hidden_states = outputs.last_hidden_state
>>> list(last_hidden_states.shape)
[1, 2048, 7, 7]

TFResNetForImageClassification

类 transformers.TFResNetForImageClassification

< 源代码 >

( config: ResNetConfig **kwargs )

参数

config (ResNetConfig) — 模型配置类，包含模型的所有参数。使用配置文件初始化不会加载与模型关联的权重，只会加载配置。请查看 from_pretrained() 方法来加载模型权重。

顶部具有图像分类头的 ResNet 模型（池化特征顶部的线性层），例如用于 ImageNet。

此模型是 TensorFlow keras.layers.Layer 的子类。将其用作常规的 TensorFlow 模块，并参考 TensorFlow 文档了解与一般用法和行为相关的所有事项。

调用

< 源代码 >

( pixel_values: 张量 = None labels: 张量 = None output_hidden_states: bool = None return_dict: bool = None training: bool = False ) → transformers.modeling_tf_outputs.TFImageClassifierOutputWithNoAttention 或 tuple(tf.Tensor)

参数

pixel_values (tf.Tensor 形状为 (batch_size, num_channels, height, width)) — 像素值。可以使用 AutoImageProcessor 获取像素值。详情请参阅 ConvNextImageProcessor.call()。
output_hidden_states (bool, 可选) — 是否返回所有层的隐藏状态。有关更多详细信息，请参阅返回张量中的 hidden_states。
return_dict (bool, 可选) — 是否返回一个 ModelOutput 而不是一个普通元组。
labels (tf.Tensor 形状为 (batch_size,), 可选) — 用于计算图像分类/回归损失的标签。索引应在 [0, ..., config.num_labels - 1] 范围内。如果 config.num_labels > 1，则计算分类损失（交叉熵）。

transformers.modeling_tf_outputs.TFImageClassifierOutputWithNoAttention 或 tuple(tf.Tensor)

一个 transformers.modeling_tf_outputs.TFImageClassifierOutputWithNoAttention 或一个 tf.Tensor 的元组（如果传递了 return_dict=False 或当 config.return_dict=False 时），包含取决于配置 (ResNetConfig) 和输入的各种元素。

loss (tf.Tensor 形状为 (1,), 可选，当提供 labels 时返回) — 分类（或如果 config.num_labels==1 则为回归）损失。
logits (tf.Tensor 形状为 (batch_size, config.num_labels)) — 分类（或如果 config.num_labels==1 则为回归）分数（在 SoftMax 之前）。
hidden_states (tuple(tf.Tensor), 可选，当传递 output_hidden_states=True 或当 config.output_hidden_states=True 时返回) — tf.Tensor 的元组（如果模型具有嵌入层，则一个用于嵌入的输出，加上每个阶段输出的一个），形状为 (batch_size, num_channels, height, width)。模型在每个阶段输出处的隐藏状态（也称为特征图）。

The TFResNetForImageClassification 前向方法，覆盖了 __call__ 特殊方法。

示例

>>> from transformers import AutoImageProcessor, TFResNetForImageClassification
>>> import tensorflow as tf
>>> from datasets import load_dataset

>>> dataset = load_dataset("huggingface/cats-image", trust_remote_code=True)
>>> image = dataset["test"]["image"][0]

>>> image_processor = AutoImageProcessor.from_pretrained("microsoft/resnet-50")
>>> model = TFResNetForImageClassification.from_pretrained("microsoft/resnet-50")

>>> inputs = image_processor(image, return_tensors="tf")
>>> logits = model(**inputs).logits

>>> # model predicts one of the 1000 ImageNet classes
>>> predicted_label = int(tf.math.argmax(logits, axis=-1))
>>> print(model.config.id2label[predicted_label])
tiger cat

JAX

隐藏 JAX 内容

FlaxResNetModel

类 transformers.FlaxResNetModel

< 源代码 >

( config: ResNetConfig input_shape = (1, 224, 224, 3) seed: int = 0 dtype: dtype = <class 'jax.numpy.float32'> _do_init: bool = True **kwargs )

参数

config (ResNetConfig) — 模型配置类，包含模型的所有参数。使用配置文件初始化不会加载与模型关联的权重，仅加载配置。查看 from_pretrained() 方法以加载模型权重。
dtype (jax.numpy.dtype, 可选，默认为 jax.numpy.float32) — 计算的数据类型。可以是 jax.numpy.float32、jax.numpy.float16（在 GPU 上）和 jax.numpy.bfloat16（在 TPU 上）之一。

这可以用来在 GPU 或 TPU 上启用混合精度训练或半精度推理。如果指定，所有计算都将使用给定的 dtype 执行。

注意，这仅指定计算的 dtype，不影响模型参数的 dtype。

如果你希望更改模型参数的 dtype，请参见 to_fp16() 和 to_bf16()。

不带任何特定头部输出原始特征的基本 ResNet 模型。

此模型继承自 FlaxPreTrainedModel。查看超类文档以了解库为其所有模型实现的通用方法（例如下载、保存和从 PyTorch 模型转换权重）。

此模型也是 flax.linen.Module 的子类。将其用作常规 Flax linen 模块，并参考 Flax 文档以获取与一般用法和行为相关的所有事项。

最后，此模型支持 JAX 的固有特性，例如

call

< 源代码 >

( pixel_values params: dict = None train: bool = False output_hidden_states: Optional = None return_dict: Optional = None ) → transformers.modeling_flax_outputs.FlaxBaseModelOutputWithPoolingAndNoAttention 或 tuple(torch.FloatTensor)

transformers.modeling_flax_outputs.FlaxBaseModelOutputWithPoolingAndNoAttention 或 tuple(torch.FloatTensor)

一个 transformers.modeling_flax_outputs.FlaxBaseModelOutputWithPoolingAndNoAttention 或一个 torch.FloatTensor 的元组（如果传递了 return_dict=False 或当 config.return_dict=False 时），包含取决于配置 (<class 'transformers.models.resnet.configuration_resnet.ResNetConfig'>) 和输入的各种元素。

last_hidden_state (jnp.ndarray 形状为 (batch_size, num_channels, height, width)) — 模型最后一层的输出处的隐藏状态序列。
pooler_output (jnp.ndarray 形状为 (batch_size, hidden_size)) — 在空间维度上进行池化操作后的最后一层隐藏状态。
hidden_states (tuple(jnp.ndarray)，可选，当传递 output_hidden_states=True 或 config.output_hidden_states=True 时返回) — jnp.ndarray 的元组（如果模型具有嵌入层，则一个用于嵌入的输出，以及每个层的输出），形状为 (batch_size, num_channels, height, width)。模型在每个层输出处的隐藏状态，以及可选的初始嵌入输出。

FlaxResNetPreTrainedModel 的前向方法覆盖了 __call__ 特殊方法。

示例

>>> from transformers import AutoImageProcessor, FlaxResNetModel
>>> from PIL import Image
>>> import requests

>>> url = "http://images.cocodataset.org/val2017/000000039769.jpg"
>>> image = Image.open(requests.get(url, stream=True).raw)
>>> image_processor = AutoImageProcessor.from_pretrained("microsoft/resnet-50")
>>> model = FlaxResNetModel.from_pretrained("microsoft/resnet-50")
>>> inputs = image_processor(images=image, return_tensors="np")
>>> outputs = model(**inputs)
>>> last_hidden_states = outputs.last_hidden_state

FlaxResNetForImageClassification

类 transformers.FlaxResNetForImageClassification

< 源代码 >

( config: ResNetConfig input_shape = (1, 224, 224, 3) seed: int = 0 dtype: dtype = <class 'jax.numpy.float32'> _do_init: bool = True **kwargs )

参数

config (ResNetConfig) — 模型配置类，包含模型的所有参数。使用配置文件初始化不会加载与模型关联的权重，仅加载配置。查看 from_pretrained() 方法以加载模型权重。
dtype (jax.numpy.dtype，可选，默认为 jax.numpy.float32) — 计算的数据类型。可以是 jax.numpy.float32、jax.numpy.float16（在 GPU 上）和 jax.numpy.bfloat16（在 TPU 上）之一。

这可用于启用 GPU 或 TPU 上的混合精度训练或半精度推理。如果指定，所有计算都将使用给定的 dtype 执行。

请注意，这仅指定计算的 dtype，不会影响模型参数的 dtype。

如果您希望更改模型参数的 dtype，请参阅 to_fp16() 和 to_bf16()。

顶部具有图像分类头的 ResNet 模型（池化特征顶部的线性层），例如用于 ImageNet。

此模型继承自 FlaxPreTrainedModel。查看超类文档以了解库为其所有模型实现的通用方法（例如下载、保存和从 PyTorch 模型转换权重）。

此模型也是 flax.linen.Module 的子类。将其用作常规 Flax linen 模块，并参考 Flax 文档以获取与一般用法和行为相关的所有事项。

最后，此模型支持 JAX 的固有特性，例如

call

< 源代码 >

( pixel_values params: dict = None train: bool = False output_hidden_states: Optional = None return_dict: Optional = None ) → transformers.modeling_flax_outputs.FlaxImageClassifierOutputWithNoAttention 或 tuple(torch.FloatTensor)

transformers.modeling_flax_outputs.FlaxImageClassifierOutputWithNoAttention 或 tuple(torch.FloatTensor)

一个 transformers.modeling_flax_outputs.FlaxImageClassifierOutputWithNoAttention 或一个 torch.FloatTensor 的元组（如果传递 return_dict=False 或 config.return_dict=False），包含取决于配置（<class 'transformers.models.resnet.configuration_resnet.ResNetConfig'>）和输入的各种元素。

logits (jnp.ndarray，形状为 (batch_size, config.num_labels)) — 分类（如果 config.num_labels==1 则为回归）分数（在 SoftMax 之前）。
hidden_states (tuple(jnp.ndarray)，可选，当传递 output_hidden_states=True 或
config.output_hidden_states=True): jnp.ndarray 的元组（如果模型具有嵌入层，则一个用于嵌入的输出，以及每个阶段的输出），形状为 (batch_size, num_channels, height, width)。模型在每个阶段输出处的隐藏状态（也称为特征图）。

FlaxResNetPreTrainedModel 的前向方法覆盖了 __call__ 特殊方法。

示例

>>> from transformers import AutoImageProcessor, FlaxResNetForImageClassification
>>> from PIL import Image
>>> import jax
>>> import requests

>>> url = "http://images.cocodataset.org/val2017/000000039769.jpg"
>>> image = Image.open(requests.get(url, stream=True).raw)

>>> image_processor = AutoImageProcessor.from_pretrained("microsoft/resnet-50")
>>> model = FlaxResNetForImageClassification.from_pretrained("microsoft/resnet-50")

>>> inputs = image_processor(images=image, return_tensors="np")
>>> outputs = model(**inputs)
>>> logits = outputs.logits

>>> # model predicts one of the 1000 ImageNet classes
>>> predicted_class_idx = jax.numpy.argmax(logits, axis=-1)
>>> print("Predicted class:", model.config.id2label[predicted_class_idx.item()])

< > 在 GitHub 上更新

←RegNet RT-DETR→