Характеристики

Архитектура: resnet · dense
Базовая модель: resnet-50
Библиотека: transformers.js
Опубликована: 5 сен 2023

Ссылки

resnet-50

Классификация изображенийИзображение → label3 профессии

Xenova/resnet-50 — версия модели ResNet-50, разработанной Microsoft, с весами в формате ONNX для использования в библиотеке Transformers.js.

1 481скачиваний за 30 дней0лайковвеса обновлены27 июн 2025

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

Репозиторий предназначен для запуска модели в JavaScript- и веб-приложениях, включая сценарии, где требуется обработка моделей непосредственно в браузере или другой ONNX-совместимой среде.

Основная задача модели — классификация изображений. Она может применяться для определения объектов и категорий на изображениях через pipeline image-classification. Модель является компьютерной зрительной моделью с одной модальностью — изображениями; сведения о поддерживаемых языках, размере контекста, точном числе параметров и дополнительных режимах работы в README не указаны.

Ключевое преимущество — готовые ONNX-веса, совместимые с Transformers.js, что упрощает интеграцию ResNet-50 в веб-среду без использования исходного формата весов. Ограничения включают ориентацию преимущественно на классификацию изображений и отсутствие в README подробностей о точности, наборе классов, производительности и требованиях к ресурсам. Лицензия в предоставленных данных не указана.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

IV.1Отраслевые задачиРитейл, электронная коммерция и fashion-techAI помогает управлять ассортиментом, покупательским опытом и эффективностью торговых операций.29 задач5 934модели 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

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

https://huggingface.co/microsoft/resnet-50 with ONNX weights to be compatible with Transformers.js.

Usage (Transformers.js)

If you haven't already, you can install the Transformers.js JavaScript library from NPM using:

npm i @huggingface/transformers

Example: Classify an image.

import { pipeline } from '@huggingface/transformers';

const classifier = await pipeline('image-classification', 'Xenova/resnet-50');
const url = 'https://huggingface.co/datasets/Xenova/transformers.js-docs/resolve/main/tiger.jpg';
const output = await classifier(url);

Note: Having a separate repo for ONNX weights is intended to be a temporary solution until WebML gains more traction. If you would like to make your models web-ready, we recommend converting to ONNX using 🤗 Optimum and structuring your repo like this one (with ONNX weights located in a subfolder named onnx).

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers.js

Нельзя запустить

Модель выложена для браузера (ONNX / transformers.js), для GPU-рантайма нет весов.

Класс архитектуры: ResNetForImageClassification
Ревизия весов: a16f291