Характеристики

Параметры: 325 млн
Архитектура: vit · dense
Опубликована: 25 авг 2022

Ссылки

Hugging Face

ViT_Chess_V1

Migga

Классификация изображенийИзображение → label3 профессии

Крупная Vision Transformer-модель Migga для классификации изображений шахматной тематики.

512скачиваний за 30 дней0лайковвеса обновлены25 авг 2022

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

Migga/ViT_Chess_V1 — модель компьютерного зрения на архитектуре Vision Transformer (ViT), опубликованная пользователем или организацией Migga на Hugging Face. Она предназначена для классификации изображений, связанных с шахматной тематикой, и может использоваться для распознавания визуальных классов на шахматных изображениях. Модель содержит около 325,3 млн параметров и рассчитана на работу через библиотеку Transformers с задачей image-classification.

Данные о поддерживаемых естественных языках, размере входного контекста и лицензии в доступных источниках не установлены. Ограничения включают зависимость качества от обучающих данных и классов, представленных при обучении; пригодность для иных изображений или задач не подтверждена.

Сценарии применения

классификация изображений шахматной тематики
распознавание визуальных классов на шахматных изображениях
анализ шахматных изображений через image-classification pipeline

Ограничения

Качество зависит от классов и распределения данных, использованных при обучении; подтверждений применимости за пределами шахматной тематики нет.

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 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 IV.5Отраслевые задачиОбразование и развитие навыковAI помогает персонализировать обучение и снижать административную нагрузку на преподавателей.34 задачи6 641модель

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Автор не опубликовал карточку модели.

Как запустить

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

GPU в ailist

Универсальный рантайм · image-classification

Можно запустить

Подбираем GPU…

Класс архитектуры: ViTForImageClassification
Ревизия весов: 630b5c7