用 Hugging Face Datasets 和 Transformers 构建图像相似度系统

Hugging Face 发布教程，介绍如何用 Transformers 和 Datasets 库构建图像相似度系统，实现反向图像搜索等信息检索场景。方案采用 ViT 模型（nateraw/vit-base-beans）提取图像嵌入向量，再用余弦相似度匹配候选图像，示例使用 Beans 数据集，也可替换为 Swin Transformer、ConvNeXT、RegNet 等视觉模型。