Характеристики

Лицензия: Apache 2.0
Библиотека: libreyolo
Опубликована: 28 июн 2026

Ссылки

Hugging Face arXiv 1512.03385

LibreResNet101-cls

LibreYOLO

Классификация изображенийИзображение → label

Классификатор ResNet-101 для отнесения изображений к 1000 классам ImageNet-1k.

0скачиваний за 30 дней0лайковвеса обновлены29 июн 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

LibreResNet101-cls — классификатор изображений на архитектуре ResNet-101, упакованный для LibreYOLO. Исходные веса взяты из timm, модель resnet101.a1_in1k; параметры не изменялись. Чекпойнт содержит около 44,5 млн параметров и рассчитан на изображения размером 224 пикселя, относя их к одному из 1000 классов ImageNet-1k.

Модель подходит для классификации объектов на изображениях и получения наиболее вероятных классов, включая оценку top-5. Формат PyTorch позволяет запускать её через библиотеку LibreYOLO. По README, инференс побитово совпадает с исходной моделью timm. Лицензия — Apache-2.0.

Сценарии применения

Классификация изображений по классам ImageNet-1k
Получение наиболее вероятного класса изображения
Вывод пяти наиболее вероятных классов изображения

Ограничения

Модель рассчитана на изображения размером 224 пикселя и классификацию по фиксированным 1000 классам ImageNet-1k; её применение к другим наборам классов требует отдельной адаптации.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

LibreResNet101-cls

ResNet-101 image classifier (224px, ImageNet-1k, 1000 classes), repackaged for LibreYOLO. ~44.5M parameters.

Source

Derived from huggingface/pytorch-image-models (timm), model resnet101.a1_in1k (the "ResNet Strikes Back" A1 recipe, ImageNet-1k). Architecture: He et al. 2015 (https://arxiv.org/abs/1512.03385). Weights by Ross Wightman and the timm contributors. Copyright (c) Ross Wightman. Licensed under the Apache License 2.0.

Modifications

Learned parameters are unchanged from timm. The checkpoint is metadata-wrapped into the LibreYOLO format (model_family / task / nc / names). LibreYOLO's native ResNet (v1.5) mirrors timm/torchvision module names, so inference is bit-identical to timm (max_abs_diff == 0, verified by the parity test). See weights/convert_resnet_weights.py in the LibreYOLO source repository.

Usage

from libreyolo import LibreYOLO

model = LibreYOLO("LibreResNet101-cls.pt")
result = model.predict("image.jpg")[0]
print(result.probs.top1, result.probs.top5)

License

Apache License 2.0. See the LICENSE and NOTICE files in this repository.

Как запустить

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

GPU в ailist

Универсальный рантайм · libreyolo · image-classification

Нельзя запустить

В репозитории нет config.json: не понять архитектуру модели.

Ревизия весов: cf40c4b