Чекпойнт MobileViT-XXS классифицирует фотографии еды по 101 категории Food-101.
Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды
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.
Описание составлено по карточке модели и метаданным Hugging Face
Это чекпойнт MobileViT-XXS, обученный для классификации изображений еды по 101 категории Food-101. В репозитории сохранены веса PyTorch и снимок конфигурации обучения Hydra. Модель принимает изображение и выдаёт предсказанные классы блюд; она подходит для прототипов приложений, которые распознают еду на фотографиях.
На валидационной выборке указана точность Acc@1 62,42% и Acc@5 86,32%. Это сырой чекпойнт, поэтому для применения потребуется загрузить веса и соответствующую конфигурацию. Модель распространяется по лицензии MIT.
Это сырой чекпойнт, для загрузки которого нужна соответствующая конфигурация. На валидационной выборке точность Acc@1 составляет 62,42%, поэтому предсказания могут быть ошибочными.
README от автора на Hugging Face, как он его опубликовал
Raw training checkpoint exported from this repository: https://github.com/mnjm/vit
MobileViT-XXS-food101.pt: raw checkpoint from this training runconfig/: Hydra config snapshot saved with the runMobileViT-XXS-food101.ptfood101MobileViT-XXS| Split | Loss | Acc@1 | Acc@5 |
|---|---|---|---|
| Train | 1.2891 | 65.42% | 87.77% |
| Val | 1.4212 | 62.42% | 86.32% |
This is a raw checkpoint dump. To use it check here
На своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
Универсальный рантайм · pytorch · image-classification
В репозитории нет config.json: не понять архитектуру модели.