ResNet-50

模型描述

ResNet-50 模型来自 Deep Residual Learning for Image Recognition 论文。

原始实现

点击 此链接 查看原始实现。

如何使用

您可以使用返回 last_hidden_state 的 base 模型。

from transformers import AutoFeatureExtractor
from onnxruntime import InferenceSession
from datasets import load_dataset

# 加载图像
dataset = load_dataset("huggingface/cats-image")
image = dataset["test"]["image"][0]

# 加载模型
feature_extractor = AutoFeatureExtractor.from_pretrained("microsoft/resnet-50")
session = InferenceSession("onnx/model.onnx")

# ONNX Runtime 期望 NumPy 数组作为输入
inputs = feature_extractor(image, return_tensors="np")
outputs = session.run(output_names=["last_hidden_state"], input_feed=dict(inputs))

或者您可以使用带有分类头、返回 logits 的模型。

from transformers import AutoFeatureExtractor
from onnxruntime import InferenceSession
from datasets import load_dataset

# 加载图像
dataset = load_dataset("huggingface/cats-image")
image = dataset["test"]["image"][0]

# 加载模型
feature_extractor = AutoFeatureExtractor.from_pretrained("microsoft/resnet-50")
session = InferenceSession("onnx/model_cls.onnx")

# ONNX Runtime 期望 NumPy 数组作为输入
inputs = feature_extractor(image, return_tensors="np")
outputs = session.run(output_names=["logits"], input_feed=dict(inputs))