Transformers 文档
ResNet
并获得增强的文档体验
开始使用
ResNet
概述
ResNet 模型由 Kaiming He、Xiangyu Zhang、Shaoqing Ren 和 Jian Sun 在论文 Deep Residual Learning for Image Recognition 中提出。我们的实现遵循了 Nvidia 所做的一些小改动,我们将 `stride=2` 应用于 bottleneck 模块的 `3x3` 卷积中,而不是在第一个 `1x1` 卷积中进行下采样。这通常被称为“ResNet v1.5”。
ResNet 引入了残差连接,这使得训练层数前所未有的网络(多达 1000 层)成为可能。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。
论文摘要如下:
更深的神经网络更难训练。我们提出了一种残差学习框架,以简化比以往使用的网络更深层次的网络的训练。我们明确地将网络层重构为学习相对于层输入的残差函数,而不是学习无参照的函数。我们提供了全面的经验证据,表明这些残差网络更容易优化,并且可以通过显著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。这一结果在 ILSVRC 2015 分类任务中获得了第一名。我们还分析了在 CIFAR-10 上使用 100 层和 1000 层的网络。表征的深度对于许多视觉识别任务至关重要。仅凭我们极深的表征,我们就在 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参加 ILSVRC 和 COCO 2015 竞赛的基础,我们在 ImageNet 检测、ImageNet 定位、COCO 检测和 COCO 分割等任务中也获得了第一名。
下图展示了 ResNet 的架构。图片来自原始论文。

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
一份官方 Hugging Face 和社区(由 🌎 表示)资源列表,帮助您开始使用 ResNet。
- 这个示例脚本和笔记本支持 ResNetForImageClassification。
- 另请参阅:图像分类任务指南
如果您有兴趣在此处提交资源,请随时开启 Pull Request,我们将对其进行审查!该资源最好能展示一些新内容,而不是重复现有资源。
ResNetConfig
class transformers.ResNetConfig
< 源 >( 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) — 输入通道数。 - 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。如果是字符串,则支持"gelu"
、"relu"
、"selu"
和"gelu_new"
。 - downsample_in_first_stage (
bool
, 可选, 默认为False
) — 如果为True
,第一阶段将使用步长为 2 对输入进行下采样。 - downsample_in_bottleneck (
bool
, 可选, 默认为False
) — 如果为True
,ResNetBottleNeckLayer 中的第一个 1x1 卷积将使用步长为 2 对输入进行下采样。 - out_features (
list[str]
, 可选) — 如果用作骨干网络,则为要输出的特征列表。可以是"stem"
、"stage1"
、"stage2"
等中的任何一个(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
也未设置,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,则为要输出的特征的索引列表。可以是 0、1、2 等中的任何一个(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
也未设置,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一个 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 架构相似的配置。
配置对象继承自 PretrainedConfig,可用于控制模型输出。有关更多信息,请阅读 PretrainedConfig 的文档。
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
ResNetModel
class transformers.ResNetModel
< 源 >( config )
参数
- config (ResNetModel) — 包含模型所有参数的模型配置类。使用配置文件初始化不会加载与模型相关的权重,只会加载配置。请查看 from_pretrained() 方法以加载模型权重。
基础的 Resnet 模型,输出原始的隐藏状态,顶部没有任何特定的头部。
该模型继承自 PreTrainedModel。请查看超类文档,了解库为所有模型实现的通用方法(例如下载或保存、调整输入嵌入大小、修剪头部等)。
该模型也是 PyTorch 的 torch.nn.Module 子类。可以像常规 PyTorch 模块一样使用它,并参考 PyTorch 文档了解所有与常规用法和行为相关的事项。
forward
< 源 >( pixel_values: Tensor output_hidden_states: typing.Optional[bool] = None return_dict: typing.Optional[bool] = None ) → transformers.modeling_outputs.BaseModelOutputWithPoolingAndNoAttention
或 tuple(torch.FloatTensor)
参数
- pixel_values (
torch.Tensor
,形状为(batch_size, num_channels, image_size, image_size)
) — 对应于输入图像的张量。像素值可以使用{image_processor_class}
获得。有关详细信息,请参见{image_processor_class}.__call__
({processor_class}
使用{image_processor_class}
处理图像)。 - 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,请参阅返回张量下的 `hidden_states`。 - return_dict (
bool
, 可选) — 是否返回 ModelOutput 而不是普通元组。
返回
transformers.modeling_outputs.BaseModelOutputWithPoolingAndNoAttention
或 tuple(torch.FloatTensor)
一个 transformers.modeling_outputs.BaseModelOutputWithPoolingAndNoAttention
或一个 torch.FloatTensor
元组(如果传递了 return_dict=False
或当 config.return_dict=False
时),包含各种元素,具体取决于配置(ResNetConfig)和输入。
-
last_hidden_state (
torch.FloatTensor
, 形状为(batch_size, num_channels, height, width)
) — 模型最后一层输出的隐藏状态序列。 -
pooler_output (
torch.FloatTensor
, 形状为(batch_size, hidden_size)
) — 经过空间维度池化操作后的最后一层隐藏状态。 -
hidden_states (
tuple(torch.FloatTensor)
, 可选, 在传递output_hidden_states=True
或config.output_hidden_states=True
时返回) —torch.FloatTensor
的元组(如果模型有嵌入层,则第一个为嵌入层的输出,加上每个层的输出),形状为(batch_size, num_channels, height, width)
。模型在每个层输出的隐藏状态以及可选的初始嵌入输出。
ResNetModel 的前向方法,重写了 `__call__` 特殊方法。
尽管前向传递的逻辑需要在此函数内定义,但之后应调用 `Module` 实例而不是此函数,因为前者会处理预处理和后处理步骤,而后者会静默地忽略它们。
ResNetForImageClassification
class transformers.ResNetForImageClassification
< 源 >( config )
参数
- config (ResNetForImageClassification) — 包含模型所有参数的模型配置类。使用配置文件初始化不会加载与模型相关的权重,只会加载配置。请查看 from_pretrained() 方法以加载模型权重。
ResNet 模型顶部带有一个图像分类头(在池化特征之上加一个线性层),例如用于 ImageNet。
该模型继承自 PreTrainedModel。请查看超类文档,了解库为所有模型实现的通用方法(例如下载或保存、调整输入嵌入大小、修剪头部等)。
该模型也是 PyTorch 的 torch.nn.Module 子类。可以像常规 PyTorch 模块一样使用它,并参考 PyTorch 文档了解所有与常规用法和行为相关的事项。
forward
< 源 >( pixel_values: typing.Optional[torch.FloatTensor] = None labels: typing.Optional[torch.LongTensor] = None output_hidden_states: typing.Optional[bool] = None return_dict: typing.Optional[bool] = None ) → transformers.modeling_outputs.ImageClassifierOutputWithNoAttention 或 tuple(torch.FloatTensor)
参数
- pixel_values (
torch.FloatTensor
,形状为(batch_size, num_channels, image_size, image_size)
, 可选) — 对应于输入图像的张量。像素值可以使用{image_processor_class}
获得。有关详细信息,请参见{image_processor_class}.__call__
({processor_class}
使用{image_processor_class}
处理图像)。 - 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)。 - 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,请参阅返回张量下的 `hidden_states`。 - return_dict (
bool
, 可选) — 是否返回 ModelOutput 而不是普通元组。
返回
transformers.modeling_outputs.ImageClassifierOutputWithNoAttention 或 tuple(torch.FloatTensor)
一个 transformers.modeling_outputs.ImageClassifierOutputWithNoAttention 或一个 torch.FloatTensor
元组(如果传递了 return_dict=False
或当 config.return_dict=False
时),包含各种元素,具体取决于配置(ResNetConfig)和输入。
- loss (形状为
(1,)
的torch.FloatTensor
,可选,当提供labels
时返回) — 分类损失(如果 config.num_labels==1,则为回归损失)。 - logits (形状为
(batch_size, config.num_labels)
的torch.FloatTensor
) — 分类(如果 config.num_labels==1,则为回归)分数(SoftMax 之前)。 - hidden_states (
tuple(torch.FloatTensor)
, 可选, 在传递output_hidden_states=True
或config.output_hidden_states=True
时返回) —torch.FloatTensor
的元组(如果模型有嵌入层,则第一个为嵌入层的输出,加上每个阶段的输出),形状为(batch_size, num_channels, height, width)
。模型在每个阶段输出的隐藏状态(也称为特征图)。
ResNetForImageClassification 的前向方法,重写了 `__call__` 特殊方法。
尽管前向传递的逻辑需要在此函数内定义,但之后应调用 `Module` 实例而不是此函数,因为前者会处理预处理和后处理步骤,而后者会静默地忽略它们。
示例
>>> from transformers import AutoImageProcessor, ResNetForImageClassification
>>> import torch
>>> from datasets import load_dataset
>>> dataset = load_dataset("huggingface/cats-image")
>>> 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])
...
TFResNetModel
class transformers.TFResNetModel
< 源 >( config: ResNetConfig **kwargs )
参数
- config (ResNetConfig) — 包含模型所有参数的模型配置类。使用配置文件初始化不会加载与模型相关的权重,只会加载配置。请查看 from_pretrained() 方法以加载模型权重。
基础的 ResNet 模型,输出原始特征,顶部没有任何特定的头部。该模型是 TensorFlow 的 keras.layers.Layer 子类。可以像常规 TensorFlow 模块一样使用它,并参考 TensorFlow 文档了解所有与常规用法和行为相关的事项。
调用
< 源 >( pixel_values: Tensor output_hidden_states: typing.Optional[bool] = None return_dict: typing.Optional[bool] = 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。像素值可以使用 AutoImageProcessor 获得。有关详细信息,请参见 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,请参阅返回张量下的 `hidden_states`。 - return_dict (
bool
, 可选) — 是否返回一个 ModelOutput 而不是一个普通的元组。
返回
transformers.modeling_tf_outputs.TFBaseModelOutputWithPoolingAndNoAttention
或 tuple(tf.Tensor)
一个 transformers.modeling_tf_outputs.TFBaseModelOutputWithPoolingAndNoAttention
或一个 tf.Tensor
的元组(如果传递了 return_dict=False
或 config.return_dict=False
),包含根据配置(ResNetConfig)和输入决定的各种元素。
-
last_hidden_state (形状为
(batch_size, num_channels, height, width)
的tf.Tensor
) — 模型最后一层输出的隐藏状态序列。 -
pooler_output (形状为
(batch_size, hidden_size)
的tf.Tensor
) — 在空间维度上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config.output_hidden_states=True
时返回) —tf.Tensor
的元组(一个用于嵌入层的输出,如果模型有嵌入层,+ 每个层的输出各一个),形状为(batch_size, num_channels, height, width)
。模型在每个层输出的隐藏状态以及可选的初始嵌入输出。
TFResNetModel 的前向方法,重写了 __call__
特殊方法。
尽管前向传递的逻辑需要在此函数内定义,但之后应调用 `Module` 实例而不是此函数,因为前者会处理预处理和后处理步骤,而后者会静默地忽略它们。
示例
>>> from transformers import AutoImageProcessor, TFResNetModel
>>> from datasets import load_dataset
>>> dataset = load_dataset("huggingface/cats-image")
>>> 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
class transformers.TFResNetForImageClassification
< 源代码 >( config: ResNetConfig **kwargs )
参数
- config (ResNetConfig) — 包含模型所有参数的模型配置类。使用配置文件进行初始化不会加载与模型相关的权重,只会加载配置。请查看 from_pretrained() 方法来加载模型权重。
ResNet 模型顶部带有一个图像分类头(在池化特征之上加一个线性层),例如用于 ImageNet。
此模型是 TensorFlow keras.layers.Layer 的子类。请将其用作常规的 TensorFlow Module,并参考 TensorFlow 文档了解所有与常规用法和行为相关的事项。
调用
< 源代码 >( pixel_values: typing.Optional[tensorflow.python.framework.tensor.Tensor] = None labels: typing.Optional[tensorflow.python.framework.tensor.Tensor] = None output_hidden_states: typing.Optional[bool] = None return_dict: typing.Optional[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。像素值可以通过 AutoImageProcessor 获得。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,请参阅返回的张量下的hidden_states
。 - return_dict (
bool
, 可选) — 是否返回一个 ModelOutput 而不是一个普通的元组。 - 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)。
返回
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 config.return_dict=False
),包含根据配置(ResNetConfig)和输入决定的各种元素。
- loss (形状为
(1,)
的tf.Tensor
,可选,当提供labels
时返回) — 分类(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(或回归,如果 config.num_labels==1)分数(SoftMax 之前)。 - hidden_states (
tuple(tf.Tensor)
, 可选,当传递output_hidden_states=True
或config.output_hidden_states=True
时返回) —tf.Tensor
的元组(一个用于嵌入层的输出,如果模型有嵌入层,+ 每个阶段的输出各一个),形状为(batch_size, num_channels, height, width)
。模型在每个阶段输出的隐藏状态(也称为特征图)。
TFResNetForImageClassification 的前向方法,重写了 __call__
特殊方法。
尽管前向传递的逻辑需要在此函数内定义,但之后应调用 `Module` 实例而不是此函数,因为前者会处理预处理和后处理步骤,而后者会静默地忽略它们。
示例
>>> from transformers import AutoImageProcessor, TFResNetForImageClassification
>>> import tensorflow as tf
>>> from datasets import load_dataset
>>> dataset = load_dataset("huggingface/cats-image"))
>>> 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
FlaxResNetModel
class 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) — 包含模型所有参数的模型配置类。使用配置文件进行初始化不会加载与模型相关的权重,只会加载配置。请查看 from_pretrained() 方法来加载模型权重。
- 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。请注意,这仅指定计算的 dtype,不影响模型参数的 dtype。
一个基础的 ResNet 模型,输出原始特征,顶部没有任何特定的头部。
此模型继承自 FlaxPreTrainedModel。请查看超类文档,了解库为其所有模型实现的通用方法(例如下载、保存和转换 PyTorch 模型的权重)。
此模型也是 flax.linen.Module 的子类。请将其用作常规的 Flax linen Module,并参考 Flax 文档了解所有与常规用法和行为相关的事项。
最后,此模型支持固有的 JAX 功能,例如
__call__
< 源代码 >( pixel_values params: typing.Optional[dict] = None train: bool = False output_hidden_states: typing.Optional[bool] = None return_dict: typing.Optional[bool] = None ) → transformers.modeling_flax_outputs.FlaxBaseModelOutputWithPoolingAndNoAttention
或 tuple(torch.FloatTensor)
返回
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 config.return_dict=False
),包含根据配置(<class 'transformers.models.resnet.configuration_resnet.ResNetConfig'>
)和输入决定的各种元素。
- last_hidden_state (
jnp.ndarray
,形状为(batch_size, num_channels, height, width)
) — 模型最后一层输出的隐藏状态序列。 - pooler_output (
jnp.ndarray
,形状为(batch_size, hidden_size)
) — 最后一层隐藏状态在空间维度上进行池化操作后的结果。 - 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(一个用于嵌入层的输出,如果模型有嵌入层,+ 每个层的输出各一个),形状为(batch_size, num_channels, height, width)
。模型在每个层输出的隐藏状态以及可选的初始嵌入输出。
FlaxResNetPreTrainedModel
的前向方法,重写了 __call__
特殊方法。
尽管前向传递的逻辑需要在此函数内定义,但之后应调用 `Module` 实例而不是此函数,因为前者会处理预处理和后处理步骤,而后者会静默地忽略它们。
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
class 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) — 包含模型所有参数的模型配置类。使用配置文件进行初始化不会加载与模型相关的权重,只会加载配置。请查看 from_pretrained() 方法来加载模型权重。
- 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。请注意,这仅指定计算的 dtype,不影响模型参数的 dtype。
ResNet 模型顶部带有一个图像分类头(在池化特征之上加一个线性层),例如用于 ImageNet。
此模型继承自 FlaxPreTrainedModel。请查看超类文档,了解库为其所有模型实现的通用方法(例如下载、保存和转换 PyTorch 模型的权重)。
此模型也是 flax.linen.Module 的子类。请将其用作常规的 Flax linen Module,并参考 Flax 文档了解所有与常规用法和行为相关的事项。
最后,此模型支持固有的 JAX 功能,例如
__call__
< 源代码 >( pixel_values params: typing.Optional[dict] = None train: bool = False output_hidden_states: typing.Optional[bool] = None return_dict: typing.Optional[bool] = None ) → transformers.modeling_flax_outputs.FlaxImageClassifierOutputWithNoAttention
或 tuple(torch.FloatTensor)
返回
transformers.modeling_flax_outputs.FlaxImageClassifierOutputWithNoAttention
或 tuple(torch.FloatTensor)
一个 transformers.modeling_flax_outputs.FlaxImageClassifierOutputWithNoAttention
或一个 torch.FloatTensor
的元组(如果传递了 return_dict=False
或 config.return_dict=False
),包含根据配置(<class 'transformers.models.resnet.configuration_resnet.ResNetConfig'>
)和输入决定的各种元素。
- logits (形状为
(batch_size, config.num_labels)
的jnp.ndarray
) — 分类(如果 config.num_labels==1,则为回归)分数(SoftMax 之前)。 - hidden_states (
tuple(jnp.ndarray)
, 可选,当传递output_hidden_states=True
或当 config.output_hidden_states=True
):jnp.ndarray
的元组(一个用于嵌入层的输出,如果模型有嵌入层,+ 每个阶段的输出各一个),形状为(batch_size, num_channels, height, width)
。模型在每个阶段输出的隐藏状态(也称为特征图)。
FlaxResNetPreTrainedModel
的前向方法,重写了 __call__
特殊方法。
尽管前向传递的逻辑需要在此函数内定义,但之后应调用 `Module` 实例而不是此函数,因为前者会处理预处理和后处理步骤,而后者会静默地忽略它们。
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()])