Характеристики

Лицензия: Apache 2.0
Библиотека: torchvision
Опубликована: 7 окт 2026

Ссылки

obsidian

Классификация изображенийИзображение → label

Дообученная с состязательным обучением EfficientNetV2-L классифицирует изображения по 1000 классам ImageNet с целью повысить устойчивость к возмущениям.

2 803скачиваний за 30 дней0лайковвеса обновлены7 окт 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

ANGExllL/obsidian — модель классификации изображений на базе EfficientNetV2-L из torchvision, дообученная с состязательным обучением для подсети Perturb проекта Bittensor. Она относит входные изображения к 1000 классам ImageNet и рассчитана на сценарии, где важна устойчивость классификации к состязательным возмущениям. Модель принимает изображение; в карточке указана предобработка с изменением размера до 480 пикселей и центральным кадрированием.

Веса опубликованы в формате safetensors. Для загрузки используется torchvision. Модель распространяется по лицензии Apache-2.0. Карточка не приводит результатов оценки устойчивости или иных метрик качества, поэтому их нельзя вывести из описания.

Сценарии применения

классификация изображений по классам ImageNet
проверка устойчивости классификатора к состязательным возмущениям
эксперименты с adversarial training для компьютерного зрения

Ограничения

Классификатор ограничен 1000 классами ImageNet; карточка не приводит метрик качества или результатов проверки устойчивости.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

ANGExllL/obsidian

EfficientNetV2-L (torchvision efficientnet_v2_l, 1000 ImageNet classes) fine-tuned with adversarial training for the Perturb subnet (netuid 26).

miner hotkey: 5Ebm5cRFAzkHGtq3myyvnL3w6GVSPrAy4LY6HSFMNdQLnomj
on-chain hash: sha256(model.safetensors || hotkey) = 04ca6700a69524b39e51648d5db5e44947026844fd7d6b109c34b1b9326da00f
preprocessing: EfficientNet_V2_L_Weights.IMAGENET1K_V1.transforms() (bicubic resize 480, center crop 480, mean = std = 0.5)

from safetensors.torch import load_file
from torchvision.models import efficientnet_v2_l
model = efficientnet_v2_l(weights=None)
model.load_state_dict(load_file("model.safetensors"))

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · torchvision · image-classification

Нельзя запустить

Архитектура ? неизвестна transformers в образе рантайма.

Ревизия весов: f5f3cc0