/ Модель

Характеристики

Параметры
113 млн
Лицензия
Apache 2.0
Архитектура
vit · dense
Опубликована
8 окт 2026

cifar10-vit-classifier

Классификация изображенийИзображение → label

ViT, дообученный распознавать десять классов изображений CIFAR-10 для учебных экспериментов и демонстраций.

3 308скачиваний за 30 дней0лайковвеса обновлены8 окт 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 luke12121212/cifar10-vit-classifier — Vision Transformer, дообученный для классификации изображений из набора CIFAR-10. Она относит изображение к одному из десяти классов: самолёт, автомобиль, птица, кошка, олень, собака, лягушка, лошадь, корабль или грузовик. Базовая модель — google/vit-base-patch16-224-in21k; архитектура — ViTForImageClassification, веса представлены в формате safetensors. В модели 113,2 млн параметров.

Модель предназначена для учебных экспериментов и демонстраций классификации изображений CIFAR-10. Для дообучения использовано 2 000 изображений, а точность 90% измерена на валидационной выборке из 500 изображений. Это не оценка на полном тестовом наборе; качество различается между классами, в частности результаты для птиц ниже. Лицензия — Apache-2.0.

Сценарии применения

  • Классификация изображений CIFAR-10 по десяти категориям
  • Учебная демонстрация классификации изображений с Vision Transformer
  • Эксперименты по дообучению ViT на небольшом наборе изображений
  • Сравнение качества классификатора на классах CIFAR-10

Ограничения

Модель дообучена только на 2 000 изображениях, а указанная точность получена на валидационной выборке из 500 изображений, а не на полном тестовом наборе. Качество зависит от класса; для птиц оно ниже.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

ViT CIFAR-10 Classifier

Model Description

This model is a Vision Transformer (ViT) fine-tuned for image classification on the CIFAR-10 dataset.

It recognizes 10 image categories:

  • airplane
  • automobile
  • bird
  • cat
  • deer
  • dog
  • frog
  • horse
  • ship
  • truck

Base Model

google/vit-base-patch16-224-in21k

Dataset

CIFAR-10 (uoft-cs/cifar10).

The original dataset contains 50,000 training images and 10,000 test images.

For this experiment, we used:

  • Training samples: 2,000
  • Validation samples: 500

Training Configuration

ParameterValue
Epochs1
Batch size8
Learning rate2e-5
Weight decay0.01
Image size224 × 224
HardwareNVIDIA T4 GPU

Evaluation Results

Evaluation on 500 validation images:

MetricValue
Accuracy90.0%
Validation loss1.5738

Per-class F1 Scores

ClassF1-score
airplane0.986
automobile0.933
bird0.750
cat0.809
deer0.931
dog0.828
frog0.903
horse0.941
ship0.990
truck0.941

Limitations

  • The model was fine-tuned on only 2,000 training images.
  • Evaluation was performed on a 500-image validation subset.
  • Performance varies between classes, especially for birds.
  • The reported results are not a full test-set evaluation.

Experiment Tracking

Training parameters, metrics, confusion matrix, and per-class metrics were recorded using MLflow.

Intended Use

Educational image classification experiments and demonstrations using CIFAR-10.

Как запустить

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

GPU в ailist

Универсальный рантайм · image-classification

Можно запустить

Подбираем GPU…

Класс архитектуры
ViTForImageClassification
Ревизия весов
aba1ca0

0 моделей