Характеристики

Параметры: 113 млн
Лицензия: Apache 2.0
Архитектура: vit · dense
Базовая модель: vit-base-patch16-224
Библиотека: transformers
Опубликована: 30 мая 2026

Ссылки

Hugging Face

hf_cat_breed_classifier-vit-base-patch16-224

jaime168

Классификация изображенийИзображение → label3 профессии

Дообученный Vision Transformer классифицирует изображения по породам кошек.

22скачиваний за 30 дней0лайковвеса обновлены30 мая 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

Модель jaime168/hf_cat_breed_classifier-vit-base-patch16-224 — дообученный Google Vision Transformer ViT-Base с патчами 16×16 и входным разрешением 224×224 для классификации изображений пород кошек. Она принимает изображение и предсказывает класс породы. В README указана точность 0,8901 и loss 0,3879 на оценочном наборе; описание набора данных и ограничений в карточке не приведено. Модель использует библиотеку Transformers, веса сохранены в формате safetensors, лицензия — Apache-2.0.

Сценарии применения

определение породы кошки по фотографии
сортировка фотографий кошек по породам
автоматическая разметка изображений кошек

Ограничения

Точность 0,8901 приведена только для оценочного набора; состав набора и условия оценки не описаны, поэтому результаты на других изображениях могут отличаться.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

IV.9Отраслевые задачиМедиа, журналистика, культура, архивы и игрыAI помогает создавать, искать, сохранять и персонализировать медиа, культурный и игровой контент.44 задачи14 938моделей IV.10Отраслевые задачиДом, личная жизнь, уход и повседневные задачиAI помогает помогать человеку планировать повседневные дела и безопасно управлять домашней средой.30 задач962модели 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

hf_cat_breed_classifier-vit-base-patch16-224

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

Loss: 0.3879
Accuracy: 0.8901

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: 2e-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: cosine
lr_scheduler_warmup_steps: 0.1
num_epochs: 10

Training results

Training Loss	Epoch	Step	Validation Loss	Accuracy
1.4838	1.0	48	1.0466	0.7225
0.6587	2.0	96	0.4952	0.8534
0.3246	3.0	144	0.3935	0.8848
0.2179	4.0	192	0.3825	0.9058
0.1602	5.0	240	0.3896	0.8953
0.1212	6.0	288	0.3723	0.8953
0.1028	7.0	336	0.3793	0.8796
0.0767	8.0	384	0.3885	0.8953
0.0682	9.0	432	0.3887	0.8901
0.0827	10.0	480	0.3879	0.8901

Framework versions

Transformers 5.9.0
Pytorch 2.12.0
Datasets 4.8.5
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: 163a549