Характеристики

Параметры: 58,7 млн
Лицензия: Apache 2.0
Архитектура: swin · dense
Базовая модель: swin-base-patch4-window7-224
Библиотека: transformers
Опубликована: 21 ноя 2025

Ссылки

Hugging Face

custom-cloud-model

Lalith47

Классификация изображенийИзображение → label3 профессии

Дообученная модель Swin Transformer Base для классификации изображений по классам.

22скачиваний за 30 дней1лайквеса обновлены24 ноя 2025

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

Lalith47/custom-cloud-model — модель компьютерного зрения на архитектуре Swin Transformer Base, дообученная на наборе данных imagefolder для классификации изображений. Она содержит 58,7 млн параметров и распространяется в формате safetensors; базовая модель — microsoft/swin-base-patch4-window7-224.

Модель подходит для отнесения изображений к классам в прикладных системах компьютерного зрения. На указанной в карточке тестовой выборке она достигла accuracy 0,9506 при loss 0,2242. Карточка не уточняет названия классов, состав данных и условия оценки, поэтому эти результаты нельзя переносить на другие наборы изображений без проверки.

Лицензия — Apache-2.0. Конкретная область применения и ограничения помимо зависимости качества от обучающих данных и тестовой выборки в карточке не описаны.

Сценарии применения

классификация изображений по категориям
автоматическая сортировка изображений
распознавание классов объектов на изображениях

Ограничения

В карточке не названы классы и не описаны обучающие данные, поэтому область применимости метрики accuracy 0,9506 ограничена указанной тестовой выборкой. Качество на других типах изображений не установлено.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

IV.9Отраслевые задачиМедиа, журналистика, культура, архивы и игрыAI помогает создавать, искать, сохранять и персонализировать медиа, культурный и игровой контент.44 задачи14 938моделей IV.1Отраслевые задачиРитейл, электронная коммерция и fashion-techAI помогает управлять ассортиментом, покупательским опытом и эффективностью торговых операций.29 задач5 934модели II.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

custom-cloud-model

This model is a fine-tuned version of microsoft/swin-base-patch4-window7-224 on the imagefolder dataset. It achieves the following results on the evaluation set:

Loss: 0.2242
Accuracy: 0.9506

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: 5e-05
train_batch_size: 8
eval_batch_size: 8
seed: 42
gradient_accumulation_steps: 4
total_train_batch_size: 32
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: cosine
lr_scheduler_warmup_ratio: 0.1
num_epochs: 25
mixed_precision_training: Native AMP

Training results

Training Loss	Epoch	Step	Validation Loss	Accuracy
1.153	1.0	80	0.9964	0.7510
0.8046	2.0	160	0.4400	0.8477
0.7706	3.0	240	0.5513	0.8107
0.6695	4.0	320	0.2639	0.9136
0.4697	5.0	400	0.2199	0.9300
0.4564	6.0	480	0.1808	0.9321
0.4094	7.0	560	0.2471	0.9239
0.2445	8.0	640	0.1998	0.9424
0.3153	9.0	720	0.2600	0.9136
0.1994	10.0	800	0.3160	0.9259
0.2205	11.0	880	0.2486	0.9239
0.2312	12.0	960	0.2131	0.9486
0.2382	13.0	1040	0.2487	0.9239
0.1158	14.0	1120	0.2153	0.9506
0.1	15.0	1200	0.2271	0.9486
0.0916	16.0	1280	0.2626	0.9259
0.1021	17.0	1360	0.2130	0.9403
0.0991	18.0	1440	0.2240	0.9444
0.0526	19.0	1520	0.2353	0.9506
0.0461	20.0	1600	0.2137	0.9506
0.0832	21.0	1680	0.2215	0.9444
0.0708	22.0	1760	0.2114	0.9506
0.1027	23.0	1840	0.2104	0.9527
0.0292	24.0	1920	0.2346	0.9547
0.033	25.0	2000	0.2242	0.9506

Framework versions

Transformers 4.57.1
Pytorch 2.9.0+cu126
Datasets 4.0.0
Tokenizers 0.22.1

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: SwinForImageClassification
Ревизия весов: 7445254