Характеристики

Опубликована: 7 окт 2026

Ссылки

Hugging Face

mobilenetv3-cifar10

MrParop

Классификация изображенийИзображение → label

Дообученная на CIFAR-10 MobileNetV3 Small классифицирует изображения по десяти классам датасета.

3 222скачиваний за 30 дней0лайковвеса обновлены7 окт 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

Это модель классификации изображений MobileNetV3 Small, разработанная автором репозитория MrParop. Она основана на весах torchvision, предварительно обученных на ImageNet, и дообучена на CIFAR-10 для распознавания десяти классов датасета. Модель принимает изображение и выдаёт оценку принадлежности к классам; для загрузки весов требуется создать MobileNetV3 Small в torchvision с классификатором на 10 выходов и применить указанные в карточке преобразования ImageNet.

Обучение проводилось две эпохи на 5000 изображениях с отдельной выборкой из 1000 изображений для валидации. Точность на тестовой выборке CIFAR-10 составляет 72,32%, macro F1 — 0,7204. Проект предназначен для обучения и экспериментов с классификацией изображений; лицензия в предоставленных данных не указана.

Сценарии применения

классификация изображений CIFAR-10
распознавание объектов из десяти классов CIFAR-10
учебные эксперименты с transfer learning в torchvision

Ограничения

Модель распознаёт только десять классов CIFAR-10; на изображениях другого типа качество может быть ниже. Обучение было коротким и имело учебный характер.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

MobileNetV3 Small — CIFAR-10

Model torchvision z wagami ImageNet, dostrojony na CIFAR-10.

Trening

5000 obrazów treningowych
1000 obrazów walidacyjnych
2 epoki, batch size 64, AdamW, learning rate 0.001
Seed: 42
Najlepszy checkpoint wybrany według walidacyjnego accuracy
Oddzielny oficjalny test CIFAR-10: 10000 obrazów

Wyniki

Best validation accuracy: 0.7320
Test accuracy: 0.7232
Test macro F1: 0.7204

Wczytanie

Utwórz torchvision.models.mobilenet_v3_small(weights=None). Zastąp model.classifier[-1] warstwą Linear o 10 wyjściach. Wczytaj state_dict z model.pth i wywołaj model.eval(). Kolejność klas znajduje się w config.json. Preprocessing: MobileNet_V3_Small_Weights.IMAGENET1K_V1.transforms().

Ograniczenia

Projekt edukacyjny, krótki trening. Model rozpoznaje tylko klasy CIFAR-10. Wyniki na innych rodzajach zdjęć mogą być słabsze.

Demo

https://huggingface.co/spaces/MrParop/cifar10-demo

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

Архитектура ? неизвестна transformers в образе рантайма.

Ревизия весов: 2c19ed6