Google didn't publish vit-tiny and vit-small model checkpoints in Hugging Face. I converted the weights from the timm repository. This model is used in the same way as ViT-base.
Note that [safetensors] model requires torch 2.0 environment.
Характеристики
- Параметры
- 7,1 млн
- Лицензия
- Apache 2.0
- Архитектура
- vit · dense
- Опубликована
- 2 мар 2022
Ссылки
vit-tiny-patch16-224
Компактная модель ViT-Tiny для классификации изображений по классам ImageNet.
27 720скачиваний за 30 дней40лайковвеса обновлены30 мар 2023
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
WinKawaks/vit-tiny-patch16-224 — компактная модель для классификации изображений на основе Vision Transformer (ViT). Автор сообщает, что веса преобразованы из репозитория timm, поскольку Google не публиковала контрольные точки ViT-Tiny и ViT-Small на Hugging Face. Модель содержит 7,1 млн параметров и обучена на ImageNet.
Модель принимает изображение и предсказывает класс объекта. Её можно применять для классификации изображений в приложениях компьютерного зрения, где важен небольшой размер модели. Репозиторий содержит веса PyTorch и SafeTensors; для загрузки варианта SafeTensors требуется PyTorch 2.0 или новее. Лицензия — Apache-2.0.
Сценарии применения
- классификация объектов на изображениях
- определение класса изображения из набора ImageNet
- встраивание классификатора изображений в приложение компьютерного зрения
Ограничения
Для варианта SafeTensors требуется PyTorch 2.0 или новее. Карточка не приводит результатов оценки качества модели.
Для каких профессий подходит3
Разделы каталога профессий, в задачах которых используется эта модель
II.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделейIV.1Отраслевые задачиРитейл, электронная коммерция и fashion-techAI помогает управлять ассортиментом, покупательским опытом и эффективностью торговых операций.29 задач5 934моделиIV.9Отраслевые задачиМедиа, журналистика, культура, архивы и игрыAI помогает создавать, искать, сохранять и персонализировать медиа, культурный и игровой контент.44 задачи14 938моделей
Карточка модели
README от автора на Hugging Face, как он его опубликовал
Как запустить
На своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
Универсальный рантайм · image-classification
Подбираем GPU…
- Класс архитектуры
- ViTForImageClassification
- Ревизия весов
- 77d1485