Характеристики

Параметры: 113 млн
Лицензия: Apache 2.0
Архитектура: vit · dense
Базовая модель: vit-base-patch16-224-in21k
Библиотека: transformers
Опубликована: 15 сен 2026

Ссылки

Hugging Face

vit-beans-demo

chaymans

Классификация изображенийИзображение → label3 профессии

Дообученная модель ViT для классификации изображений, вероятно, предназначенная для демонстрации распознавания бобов.

182скачиваний за 30 дней0лайковвеса обновлены16 сен 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

chaymans/vit-beans-demo — модель классификации изображений на основе Vision Transformer (ViT), дообученная на базе google/vit-base-patch16-224-in21k. Число параметров — 113,2 млн; доступны веса в форматах Safetensors и ONNX. Автор README сообщает точность 0,9688 и значение loss 0,1454 на оценочном наборе, но не описывает датасет и классы. По названию репозитория модель, вероятно, предназначена для демонстрации классификации изображений бобов.

Модель принимает изображения и выдаёт метки классов. Она подходит для экспериментов и демонстрации классификации изображений; пригодность для других наборов данных и производственных сценариев не подтверждена. Лицензия — Apache-2.0.

Сценарии применения

классификация изображений бобов
демонстрация классификатора изображений на базе ViT
эксперименты с дообучением Vision Transformer

Ограничения

Датасет, перечень классов и ограничения применения не описаны; приведённые метрики относятся только к неуказанному оценочному набору и не подтверждают качество на других данных.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

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 II.2Разработка и данныеСоздание и понимание программного кодаAI помогает писать, объяснять и связывать программный код с требованиями и существующей системой.20 задач21 443модели II.8Разработка и данныеИнженерия данных и аналитикаAI помогает готовить надёжные данные и превращать их в понятную аналитику.22 задачи23 488моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

vit-beans-demo

This model is a fine-tuned version of google/vit-base-patch16-224-in21k on an unknown dataset. It achieves the following results on the evaluation set:

Loss: 0.1454
Accuracy: 0.9688

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: 5e-05
train_batch_size: 16
eval_batch_size: 16
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: 4

Training results

Training Loss	Epoch	Step	Validation Loss	Accuracy
0.2286	1.0	65	0.1635	0.9624
0.1320	2.0	130	0.1020	0.9774
0.0969	3.0	195	0.1454	0.9624
0.1334	4.0	260	0.0880	0.9850

Framework versions

Transformers 5.17.0
Pytorch 2.11.0+cu128
Datasets 5.0.1
Tokenizers 0.23.2

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: dae83cd