用 🤗 Transformers 微调 ViT 进行图像分类

Hugging Face 发布教程，演示如何用 🤗 datasets 加载 beans 图像分类数据集，并借助 🤗 transformers 微调预训练 ViT 模型。教程使用 google/vit-base-patch16-224-in21k 及其配套 ViTImageProcessor，将图像处理为 (1, 3, 224, 224) 的 pixel_values 张量后送入模型训练。