/ Модель

Характеристики

Лицензия
MIT
Библиотека
pytorch
Опубликована
25 фев 2024

OpenAI-Clip

Классификация изображенийИзображение → label4 профессии

OpenAI-Clip — модель Qualcomm, основанная на реализации OpenAI CLIP и оптимизированная для устройств Qualcomm.

6 287скачиваний за 30 дней10лайковвеса 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

Она предназначена для задач классификации изображений и других сценариев zero-shot learning, где сопоставляются визуальные и текстовые представления без обязательного дообучения под каждый класс. Модель может использоваться на мобильных, встраиваемых и периферийных устройствах с Qualcomm NPU.

Архитектура включает визуальный ViT-трансформер и causal language model для извлечения признаков изображений и текста. Используется конфигурация ViT-B/16 с входным разрешением изображения 224×224, контекстом текста до 77 токенов, примерно 150 млн параметров и размером float-модели около 571 МБ. Поддерживаются визуально-текстовые входы; конкретный набор языков в README не указан.

Сильными сторонами являются zero-shot возможности, готовые экспортированные варианты для ONNX, QNN_DLC и TFLITE, а также оптимизация под Qualcomm NPU и возможность экспорта с пользовательскими весами, формами входов и целевыми конфигурациями. Ограничения включают значительный размер модели, зависимость производительности от устройства и отсутствие в README подробностей о качестве на конкретных наборах данных, поддерживаемых языках и точных сценариях генерации текста. Указана лицензия MIT.

Для каких профессий подходит4

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

OpenAI-Clip: Optimized for Qualcomm Devices

Contrastive Language-Image Pre-Training (CLIP) uses a ViT like transformer to get visual features and a causal language model to get the text features. Both the text and visual features can then be used for a variety of zero-shot learning tasks.

This is based on the implementation of OpenAI-Clip found here. This repository contains pre-exported model files optimized for Qualcomm® devices. You can use the Qualcomm® AI Hub Models library to export with custom configurations. More details on model performance across various devices, can be found here.

Qualcomm AI Hub Models uses Qualcomm AI Hub Workbench to compile, profile, and evaluate this model. Sign up to run these models on a hosted Qualcomm® device.

Getting Started

There are two ways to deploy this model on your device:

Option 1: Download Pre-Exported Models

Below are pre-exported model assets ready for deployment.

RuntimePrecisionChipsetSDK VersionsDownload
ONNXfloatUniversalQAIRT 2.50, ONNX Runtime 1.30.0Download
ONNXw8a16UniversalQAIRT 2.50, ONNX Runtime 1.30.0Download
QNN_DLCfloatUniversalQAIRT 2.50Download
QNN_DLCw8a16UniversalQAIRT 2.50Download
TFLITEfloatUniversalQAIRT 2.50Download

For more device-specific assets and performance metrics, visit OpenAI-Clip on Qualcomm® AI Hub.

Option 2: Export with Custom Configurations

Use the Qualcomm® AI Hub Models Python library to compile and export the model with your own:

  • Custom weights (e.g., fine-tuned checkpoints)
  • Custom input shapes
  • Target device and runtime configurations

This option is ideal if you need to customize the model beyond the default configuration provided here.

See our repository for OpenAI-Clip on GitHub for usage instructions.

Model Details

Model Type: Model_use_case.image_classification

Model Stats:

  • Image input resolution: 224x224
  • Model checkpoint: ViT-B/16
  • Model size (float): 571 MB
  • Number of parameters: 150M
  • Text context length: 77

Performance Summary

ModelRuntimePrecisionChipsetInference Time (ms)Peak Memory Range (MB)Primary Compute Unit
OpenAI-ClipONNXfloatSnapdragon® 8 Elite Gen 5 For Galaxy Mobile10.414 ms1 - 509 MBNPU
OpenAI-ClipONNXfloatSnapdragon® 8 Elite For Galaxy Mobile14.432 ms1 - 505 MBNPU
OpenAI-ClipONNXfloatSnapdragon® X2 Elite11.102 ms2 - 2 MBNPU
OpenAI-ClipONNXfloatSnapdragon® X Elite27.428 ms293 - 293 MBNPU
OpenAI-ClipONNXfloatSnapdragon® 8 Gen 3 Mobile18.48 ms1 - 713 MBNPU
OpenAI-ClipONNXfloatSnapdragon® 8 Gen 1 Mobile33.254 ms1 - 700 MBNPU
OpenAI-ClipONNXfloatQualcomm® Dragonwing™ IQ-827531.356 ms0 - 5 MBNPU
OpenAI-ClipONNXfloatQualcomm® Dragonwing™ QCS8550 (Proxy)26.34 ms0 - 323 MBNPU
OpenAI-ClipONNXfloatQualcomm® QCS845033.254 ms1 - 700 MBNPU
OpenAI-ClipONNXfloatQualcomm® Dragonwing™ IQ-907531.178 ms0 - 4 MBNPU
OpenAI-ClipONNXfloatQualcomm® Dragonwing™ IQ-X718127.428 ms293 - 293 MBNPU
OpenAI-ClipONNXfloatQualcomm® Dragonwing™ Q-875014.432 ms1 - 505 MBNPU
OpenAI-ClipONNXw8a16Snapdragon® 8 Elite Gen 5 For Galaxy Mobile10.523 ms0 - 627 MBNPU
OpenAI-ClipONNXw8a16Snapdragon® 8 Elite For Galaxy Mobile13.977 ms0 - 587 MBNPU
OpenAI-ClipONNXw8a16Snapdragon® X2 Elite11.0 ms1 - 1 MBNPU
OpenAI-ClipONNXw8a16Snapdragon® X Elite24.436 ms172 - 172 MBNPU
OpenAI-ClipONNXw8a16Snapdragon® 8 Gen 3 Mobile16.901 ms0 - 699 MBNPU
OpenAI-ClipONNXw8a16Snapdragon® 8 Gen 1 Mobile32.249 ms0 - 703 MBNPU
OpenAI-ClipONNXw8a16Qualcomm® Dragonwing™ QCS6490113.314 ms1 - 4 MBNPU
OpenAI-ClipONNXw8a16Qualcomm® Dragonwing™ IQ-827522.465 ms0 - 5 MBNPU
OpenAI-ClipONNXw8a16Qualcomm® Dragonwing™ QCS8550 (Proxy)23.735 ms0 - 195 MBNPU
OpenAI-ClipONNXw8a16Qualcomm® QCS845032.249 ms0 - 703 MBNPU
OpenAI-ClipONNXw8a16Qualcomm® Dragonwing™ IQ-907524.034 ms0 - 4 MBNPU
OpenAI-ClipONNXw8a16Qualcomm® Dragonwing™ IQ-X718124.436 ms172 - 172 MBNPU
OpenAI-ClipONNXw8a16Qualcomm® Dragonwing™ Q-6690270.271 ms0 - 713 MBNPU
OpenAI-ClipONNXw8a16Qualcomm® Dragonwing™ Q-779041.106 ms1 - 630 MBNPU
OpenAI-ClipONNXw8a16Qualcomm® Dragonwing™ Q-875013.977 ms0 - 587 MBNPU
OpenAI-ClipONNXw8a16Snapdragon® 7 Gen 4 Mobile41.106 ms1 - 630 MBNPU
OpenAI-ClipQNN_DLCfloatSnapdragon® 8 Elite Gen 5 For Galaxy Mobile13.197 ms0 - 490 MBNPU
OpenAI-ClipQNN_DLCfloatSnapdragon® 8 Elite For Galaxy Mobile16.632 ms1 - 483 MBNPU
OpenAI-ClipQNN_DLCfloatSnapdragon® X2 Elite14.147 ms1 - 1 MBNPU
OpenAI-ClipQNN_DLCfloatSnapdragon® X Elite33.039 ms1 - 1 MBNPU
OpenAI-ClipQNN_DLCfloatSnapdragon® 8 Gen 3 Mobile21.362 ms0 - 690 MBNPU
OpenAI-ClipQNN_DLCfloatSnapdragon® 8 Gen 1 Mobile37.709 ms1 - 815 MBNPU
OpenAI-ClipQNN_DLCfloatQualcomm® Dragonwing™ IQ-827535.747 ms1 - 4 MBNPU
OpenAI-ClipQNN_DLCfloatQualcomm® Dragonwing™ QCS8550 (Proxy)31.548 ms1 - 2 MBNPU
OpenAI-ClipQNN_DLCfloatQualcomm® QCS845037.709 ms1 - 815 MBNPU
OpenAI-ClipQNN_DLCfloatQualcomm® Dragonwing™ IQ-907536.446 ms1 - 3 MBNPU
OpenAI-ClipQNN_DLCfloatQualcomm® Dragonwing™ IQ-X718133.039 ms1 - 1 MBNPU
OpenAI-ClipQNN_DLCfloatQualcomm® Dragonwing™ Q-875016.632 ms1 - 483 MBNPU
OpenAI-ClipQNN_DLCfloatQualcomm® SA8295P37.564 ms1 - 590 MBNPU
OpenAI-ClipQNN_DLCw8a16Snapdragon® 8 Elite Gen 5 For Galaxy Mobile11.493 ms0 - 629 MBNPU
OpenAI-ClipQNN_DLCw8a16Snapdragon® 8 Elite For Galaxy Mobile15.278 ms0 - 591 MBNPU
OpenAI-ClipQNN_DLCw8a16Snapdragon® X2 Elite12.18 ms0 - 0 MBNPU
OpenAI-ClipQNN_DLCw8a16Snapdragon® X Elite28.168 ms0 - 0 MBNPU
OpenAI-ClipQNN_DLCw8a16Snapdragon® 8 Gen 3 Mobile18.835 ms0 - 703 MBNPU
OpenAI-ClipQNN_DLCw8a16Qualcomm® Dragonwing™ IQ-827524.98 ms0 - 3 MBNPU
OpenAI-ClipQNN_DLCw8a16Qualcomm® Dragonwing™ QCS8550 (Proxy)27.128 ms0 - 3 MBNPU
OpenAI-ClipQNN_DLCw8a16Qualcomm® SA8650P26.675 ms0 - 567 MBNPU
OpenAI-ClipQNN_DLCw8a16Qualcomm® SA8255P26.675 ms0 - 567 MBNPU
OpenAI-ClipQNN_DLCw8a16Qualcomm® Dragonwing™ IQ-907526.92 ms0 - 3 MBNPU
OpenAI-ClipQNN_DLCw8a16Qualcomm® Dragonwing™ IQ-X718128.168 ms0 - 0 MBNPU
OpenAI-ClipQNN_DLCw8a16Qualcomm® Dragonwing™ Q-6690400.308 ms1 - 693 MBNPU
OpenAI-ClipQNN_DLCw8a16Qualcomm® Dragonwing™ Q-779037.034 ms0 - 611 MBNPU
OpenAI-ClipQNN_DLCw8a16Qualcomm® Dragonwing™ Q-875015.278 ms0 - 591 MBNPU
OpenAI-ClipQNN_DLCw8a16Snapdragon® 7 Gen 4 Mobile37.034 ms0 - 611 MBNPU
OpenAI-ClipTFLITEfloatSnapdragon® 8 Elite Gen 5 For Galaxy Mobile12.81 ms0 - 497 MBNPU
OpenAI-ClipTFLITEfloatSnapdragon® 8 Elite For Galaxy Mobile17.062 ms0 - 489 MBNPU
OpenAI-ClipTFLITEfloatSnapdragon® 8 Gen 3 Mobile21.145 ms0 - 689 MBNPU
OpenAI-ClipTFLITEfloatSnapdragon® 8 Gen 1 Mobile36.358 ms0 - 677 MBNPU
OpenAI-ClipTFLITEfloatQualcomm® Dragonwing™ IQ-827535.003 ms0 - 297 MBNPU
OpenAI-ClipTFLITEfloatQualcomm® Dragonwing™ QCS8550 (Proxy)30.909 ms0 - 4 MBNPU
OpenAI-ClipTFLITEfloatQualcomm® SA8775P520.632 ms11 - 35 MBCPU
OpenAI-ClipTFLITEfloatQualcomm® SA8650P520.632 ms11 - 35 MBCPU
OpenAI-ClipTFLITEfloatQualcomm® SA8255P520.632 ms11 - 35 MBCPU
OpenAI-ClipTFLITEfloatQualcomm® QCS845036.358 ms0 - 677 MBNPU
OpenAI-ClipTFLITEfloatQualcomm® Dragonwing™ IQ-907535.45 ms0 - 297 MBNPU
OpenAI-ClipTFLITEfloatQualcomm® Dragonwing™ Q-875017.062 ms0 - 489 MBNPU
OpenAI-ClipTFLITEfloatQualcomm® SA7255P750.392 ms11 - 35 MBCPU
OpenAI-ClipTFLITEfloatQualcomm® SA8295P37.239 ms0 - 440 MBNPU

License

  • The license for the original implementation of OpenAI-Clip can be found here.

References

Community

Как запустить

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

GPU в ailist

Универсальный рантайм · pytorch

Нельзя запустить

Библиотека «pytorch» рантаймом не поддерживается.

Ревизия весов
279a4b5

0 моделей