Hugging Face 演示如何使用 Transformers 微调 ViT 进行图像分类

Hugging Face 展示利用 🤗 datasets 加载 beans 数据集，并通过 🤗 transformers 微调预训练模型 google/vit-base-patch16-224-in21k。该流程使用 ViTImageProcessor 将图像转换为张量输入，实现 Vision Transformer (ViT) 在图像分类任务上的应用。