Энкодер ConvNeXt Small из проекта Zoobot извлекает признаки изображений и подходит для их классификации и дообучения.
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_small — визуальный энкодер на архитектуре ConvNeXt Small, опубликованный mwalmsley и доступный для загрузки через timm. Его можно использовать как извлекатель признаков изображений или основу для дообучения под задачу классификации; в метаданных Hugging Face основная задача указана как image-classification. Модель принимает изображения и выдаёт представления, пригодные для последующей классификации.
Репозиторий содержит веса PyTorch и распространяется по лицензии Apache-2.0. Карточка отсылает к документации Zoobot за инструкциями по загрузке и дообучению. Данные о языковой поддержке и контексте к этой модели неприменимы.
README не описывает конкретные классы или метрики качества; для загрузки и настройки автор рекомендует обратиться к документации Zoobot.
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…