Характеристики

Параметры: 113 млн
Лицензия: Apache 2.0
Архитектура: vit · dense
Базовая модель: vit-base-patch16-224-in21k
Библиотека: transformers
Опубликована: 3 июл 2026

Ссылки

Hugging Face

my_awesome_food_model

nimishac28

Классификация изображенийИзображение → label3 профессии

Дообученная модель ViT-Base для классификации изображений еды и других объектов из неизвестного набора классов.

11скачиваний за 30 дней0лайковвеса обновлены3 июл 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

nimishac28/my_awesome_food_model — модель классификации изображений, созданная дообучением Vision Transformer ViT-Base разработчиками репозитория на неизвестном наборе данных. Она предназначена для определения класса по изображению; карточка называет её пищевой моделью, но не раскрывает список классов или конкретные сценарии применения. Модель содержит 113,2 млн параметров, использует библиотеку Transformers и сохранена в формате safetensors. Лицензия — Apache-2.0.

На оценочном наборе указаны loss 2,2741 и accuracy 0,464. Эти результаты ограничивают уверенность в практическом качестве модели; сведения о данных обучения и оценки отсутствуют.

Сценарии применения

классификация изображений еды
определение категории объекта на изображении

Ограничения

Набор классов и данные обучения не описаны; на оценочном наборе accuracy составляет 0,464.

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 IV.10Отраслевые задачиДом, личная жизнь, уход и повседневные задачиAI помогает помогать человеку планировать повседневные дела и безопасно управлять домашней средой.30 задач962модели

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

my_awesome_food_model

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: 2.2741
Accuracy: 0.464

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: 5e-05
train_batch_size: 16
eval_batch_size: 16
seed: 42
gradient_accumulation_steps: 4
total_train_batch_size: 64
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
lr_scheduler_warmup_steps: 0.1
num_epochs: 3

Training results

Training Loss	Epoch	Step	Validation Loss	Accuracy
2.9399	1.0	63	2.8394	0.362
2.5064	2.0	126	2.4431	0.428
2.3115	3.0	189	2.2741	0.464

Framework versions

Transformers 5.12.1
Pytorch 2.11.0+cu128
Datasets 4.0.0
Tokenizers 0.22.2

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: eb2989c