Характеристики

Параметры: 113 млн
Лицензия: Apache 2.0
Архитектура: vit · dense
Базовая модель: vit-base-patch16-224
Библиотека: transformers
Опубликована: 12 июл 2026

Ссылки

Hugging Face

vit-base-oxford-iiit-pets

Songsuk

Классификация изображенийИзображение → label

Модель ViT, дообученная для классификации изображений кошек и собак по породам.

8скачиваний за 30 дней0лайковвеса обновлены12 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

Songsuk/vit-base-oxford-iiit-pets — модель классификации изображений на основе Vision Transformer (ViT), дообученная на google/vit-base-patch16-224 для набора данных Oxford-IIIT Pets. Она предназначена для распознавания пород кошек и собак на изображениях. В оценке на тестовой выборке указана точность 0,9486 и значение потерь 0,2032.

Модель содержит 113,2 млн параметров и распространяется в формате safetensors для библиотеки Transformers. Лицензия — Apache-2.0. Она принимает изображения и выдаёт метки классов; результаты README относятся к указанной оценочной выборке и не гарантируют такую же точность на других данных.

Сценарии применения

распознавание породы кошки на фотографии
распознавание породы собаки на фотографии
классификация изображений домашних животных
сортировка фотографий кошек и собак по породам

Ограничения

Показатели качества приведены для оценочной выборки Oxford-IIIT Pets; качество на изображениях вне этого набора может отличаться.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

vit-base-oxford-iiit-pets

This model is a fine-tuned version of google/vit-base-patch16-224 on the pcuenq/oxford-pets dataset. It achieves the following results on the evaluation set:

Loss: 0.2032
Accuracy: 0.9486

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: 0.0003
train_batch_size: 16
eval_batch_size: 8
seed: 42
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: linear
num_epochs: 5

Training results

Training Loss	Epoch	Step	Validation Loss	Accuracy
0.3736	1.0	370	0.2691	0.9432
0.2130	2.0	740	0.2125	0.9405
0.1796	3.0	1110	0.1895	0.9418
0.1441	4.0	1480	0.1829	0.9499
0.1309	5.0	1850	0.1793	0.9540

Framework versions

Transformers 5.12.1
Pytorch 2.11.0+cpu
Datasets 4.0.0
Tokenizers 0.22.2

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: ViTForImageClassification
Ревизия весов: ec4cdde