Характеристики

Лицензия: Apache 2.0
Библиотека: torchvision
Опубликована: 7 окт 2026

Ссылки

Hugging Face

frost-marten

qhoenix

Классификация изображенийИзображение → label

Дообученная с состязательным обучением EfficientNetV2-L классифицирует изображения по 1000 классам ImageNet-1K.

2 750скачиваний за 30 дней0лайковвеса обновлены7 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

qhoenix/frost-marten — модель классификации изображений на базе EfficientNetV2-L из torchvision, дообученная с состязательным обучением для подсети Perturb в Bittensor. Она присваивает изображениям классы из набора ImageNet-1K, всего 1000 классов. Для обработки используются преобразования EfficientNet V2 L: бикубическое изменение размера до 480 пикселей и центральное кадрирование 480 пикселей; в README также указаны среднее и стандартное отклонение 0,5 для нормализации.

Модель предназначена для классификации изображений с учётом состязательных возмущений. Доступна в формате safetensors и распространяется по лицензии Apache-2.0.

Сценарии применения

классификация изображений по классам ImageNet-1K
распознавание объектов на изображениях в сценариях с состязательными возмущениями
оценка устойчивости классификатора изображений

Ограничения

Классификатор ограничен 1000 классами ImageNet-1K и требует предварительной обработки изображения по указанной схеме. Данных о качестве на других наборах изображений или о степени устойчивости к различным атакам в карточке нет.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

qhoenix/frost-marten

EfficientNetV2-L (torchvision efficientnet_v2_l, 1000 ImageNet classes) fine-tuned with adversarial training for the Perturb subnet (netuid 26).

miner hotkey: 5FGxe3AFaJ3LsM5LJtxdBS8143WFEd9eNWVKErr29uV1K8wt
on-chain hash: sha256(model.safetensors || hotkey) = 9c6ba1a2d19bfcc04402c347a1910fc54c2becf0fc4d061b48a80a96afea5df2
preprocessing: EfficientNet_V2_L_Weights.IMAGENET1K_V1.transforms() (bicubic resize 480, center crop 480, mean = std = 0.5)

from safetensors.torch import load_file
from torchvision.models import efficientnet_v2_l
model = efficientnet_v2_l(weights=None)
model.load_state_dict(load_file("model.safetensors"))

Как запустить

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

GPU в ailist

Универсальный рантайм · torchvision · image-classification

Нельзя запустить

Архитектура ? неизвестна transformers в образе рантайма.

Ревизия весов: e49a993