Предобученный визуальный энкодер ConvNeXt Base для классификации изображений и дообучения под специализированные задачи.
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
Zoobot Encoder ConvNeXt Base — визуальный энкодер, опубликованный mwalmsley и предназначенный для использования как предобученный backbone через библиотеку timm. Его можно подключать к задачам классификации изображений и дообучать для конкретных наборов данных. В репозитории указаны веса PyTorch и лицензия Apache-2.0.
Карточка не уточняет архитектурные детали сверх названия ConvNeXt Base, размер модели, обучающие данные или специальные ограничения. Метаданные относят модель к image-classification; сценарии применения за пределами классификации требуют настройки под конкретную задачу.
В README не приведены сведения о точности, обучающих данных и ограничениях; качество на целевом наборе данных может потребовать дообучения.
Разделы каталога профессий, в задачах которых используется эта модель
README от автора на Hugging Face, как он его опубликовал
Please see the Zoobot docs for loading and finetuning instructions.
But minimally, you can use this like any timm encoder:
import timm
encoder = timm.create_model('hf_hub:mwalmsley/zoobot-encoder-some-name', pretrained=True, num_classes=0)
На своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
Универсальный рантайм · timm · image-classification
Подбираем GPU…