Характеристики

Параметры: 113 млн
Лицензия: Apache 2.0
Архитектура: vit · dense
Базовая модель: vit-base-patch16-224-in21k
Библиотека: transformers
Опубликована: 31 авг 2026

Ссылки

Hugging Face

jesusromerodev-vit-model-jesus-romero

jesusromerodev

Классификация изображенийИзображение → label3 профессии

Дообученная модель ViT-Base/16 для классификации изображений.

14скачиваний за 30 дней0лайковвеса обновлены6 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

Модель jesusromerodev/jesusromerodev-vit-model-jesus-romero — дообученная Jesus Romero версия Vision Transformer ViT-Base/16, созданная на основе google/vit-base-patch16-224-in21k. Она предназначена для классификации изображений. В репозитории указаны 113,2 млн параметров и формат весов Safetensors; модель использует библиотеку Transformers.

В README приведены результаты оценки: точность 0,9925 и loss 0,0621. Датасет, набор классов и условия оценки не описаны, поэтому эти показатели нельзя переносить на другие данные. Модель распространяется по лицензии Apache-2.0.

Сценарии применения

классификация изображений по категориям
определение класса объекта на изображении
автоматическая разметка изображений по классам

Ограничения

Датасет, классы и методика оценки не описаны, поэтому приведённую точность нельзя считать показателем качества на произвольных изображениях. README не уточняет назначение модели и её ограничения.

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

jesusromerodev-vit-model-jesus-romero

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: 0.0621
Accuracy: 0.9925

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: 8
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: 4

Training results

Training Loss	Epoch	Step	Validation Loss	Accuracy
No log	0.3846	50	0.5705	0.9474
No log	0.7692	100	0.2743	0.9850
No log	1.1538	150	0.1489	0.9925
No log	1.5385	200	0.1037	0.9925
No log	1.9231	250	0.0861	0.9925
No log	2.3077	300	0.0746	0.9925
No log	2.6923	350	0.0665	0.9925
No log	3.0769	400	0.0742	0.9925
No log	3.4615	450	0.0621	0.9925
0.2096	3.8462	500	0.0624	0.9925
0.2096	4.0	520	0.0621	0.9925

Framework versions

Transformers 5.16.1
Pytorch 2.11.0+cu128
Datasets 4.0.0
Tokenizers 0.23.1

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: a3fdaf8