Характеристики

Лицензия: Apache 2.0
Архитектура: cifar-cnn · dense
Опубликована: 2 июл 2026

Ссылки

Hugging Face

cifar-cnn

MarkivDunhar

Классификация изображенийИзображение → label

Свёрточная нейросеть для классификации изображений по десяти классам CIFAR-10.

8скачиваний за 30 дней0лайковвеса обновлены2 июл 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

MarkivDunhar/cifar-cnn — свёрточный классификатор изображений, разработанный автором репозитория и обученный с нуля на CIFAR-10 с использованием PyTorch. Архитектура состоит из трёх блоков свёрток с 32, 64 и 128 каналами и полносвязного классификатора. Модель относит изображения к одному из десяти классов CIFAR-10: самолёт, автомобиль, птица, кошка, олень, собака, лягушка, лошадь, корабль или грузовик.

Модель предназначена для классификации небольших изображений из набора CIFAR-10 и учебных или демонстрационных сценариев компьютерного зрения. В карточке указана точность валидации около 80% после 64 эпох обучения. Веса опубликованы в формате safetensors, лицензия — Apache-2.0. Результаты на других типах изображений карточкой не описаны.

Сценарии применения

Классификация изображений CIFAR-10
Распознавание автомобилей и грузовиков на небольших изображениях
Различение животных на изображениях CIFAR-10
Учебные эксперименты с CNN на PyTorch

Ограничения

Модель рассчитана на десять классов CIFAR-10; заявленная точность валидации составляет около 80%, поэтому возможны ошибки. Перенос качества на изображения и классы вне CIFAR-10 не описан.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

CIFAR-10 CNN Classifier

A 3-block CNN trained from scratch on CIFAR-10 using PyTorch.

Classes

plane, car, bird, cat, deer, dog, frog, horse, ship, truck

Training

Architecture: 3× Conv blocks (32→64→128 channels) + FC classifier
Optimizer: Adam + OneCycleLR scheduler
Augmentation: RandomCrop, RandomFlip, ColorJitter, RandomErasing
Validation accuracy: ~80%+ (after 64 epochs)

Usage

from transformers import pipeline
from PIL import Image

classifier = pipeline(
    "image-classification",
    model="MarkivDunhar/cifar-cnn"
)

result = classifier("your_image.jpg")
print(result)
# [{'label': 'dog', 'score': 0.91}]

Как запустить

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

GPU в ailist

Универсальный рантайм · image-classification

Нельзя запустить

Архитектура cifar-cnn неизвестна transformers в образе рантайма.

Класс архитектуры: CifarCNNModel
Ревизия весов: f2bb2f9