使用 🤗 Transformers 微调 ViT 进行图像分类

本文介绍如何使用 🤗 Transformers 微调 Vision Transformer (ViT) 进行图像分类。通过加载 beans 数据集，利用 ViTImageProcessor 将图像转换为像素值张量，并对预训练的 google/vit-base-patch16-224-in21k 模型进行微调。