Характеристики

Параметры: 113 млн
Лицензия: Apache 2.0
Архитектура: vit · dense
Базовая модель: vit-base-patch16-224
Библиотека: transformers
Опубликована: 6 сен 2026

Ссылки

Hugging Face

vit-base-oxford-iiit-pets

Huben42

Классификация изображенийИзображение → label

Дообученная модель ViT классифицирует изображения кошек и собак по породам из набора Oxford-IIIT Pets.

15скачиваний за 30 дней0лайковвеса обновлены6 сен 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

Huben42 подготовил дообученную модель Vision Transformer (ViT) для классификации изображений пород собак и кошек из набора Oxford-IIIT Pets. Модель основана на google/vit-base-patch16-224 и содержит 113,2 млн параметров; она принимает изображения и предсказывает класс животного. Репозиторий использует библиотеку Transformers и хранит веса в формате safetensors.

На оценочной выборке Oxford-IIIT Pets модель показала точность 0,9323 и значение loss 0,1993. Она подходит для распознавания пород домашних кошек и собак на изображениях. Лицензия — Apache-2.0. Карточка не описывает отдельные ограничения и подробности обучения.

Сценарии применения

распознавание породы кошки на фотографии
распознавание породы собаки на фотографии
автоматическая сортировка изображений домашних животных
классификация изображений для приложения о питомцах

Ограничения

Указанная точность 0,9323 относится к оценочной выборке Oxford-IIIT Pets и не гарантирует аналогичного качества на других изображениях или наборах данных. Карточка не раскрывает подробности обучения и отдельные ограничения применения.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

vit-base-oxford-iiit-pets

This model is a fine-tuned version of google/vit-base-patch16-224 on the pcuenq/oxford-pets dataset. It achieves the following results on the evaluation set:

Loss: 0.1993
Accuracy: 0.9323

Model description

More information needed

Intended uses & limitations

More information needed

Training and evaluation data

More information needed

Training procedure

Training hyperparameters

The following hyperparameters were used during training:

learning_rate: 0.0003
train_batch_size: 16
eval_batch_size: 8
seed: 42
optimizer: Use OptimizerNames.ADAMW_TORCH_FUSED with betas=(0.9,0.999) and epsilon=1e-08 and optimizer_args=No additional optimizer arguments
lr_scheduler_type: linear
num_epochs: 5

Training results

Training Loss	Epoch	Step	Validation Loss	Accuracy
0.3791	1.0	370	0.2866	0.9323
0.2146	2.0	740	0.2194	0.9364
0.1665	3.0	1110	0.2004	0.9378
0.1503	4.0	1480	0.1920	0.9418
0.1285	5.0	1850	0.1903	0.9432

Framework versions

Transformers 5.16.1
Pytorch 2.11.0+cu128
Datasets 4.0.0
Tokenizers 0.23.1

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers · image-classification

Можно запустить

Подбираем GPU…

Класс архитектуры: ViTForImageClassification
Ревизия весов: 89ac50c