Характеристики

Параметры: 113 млн
Лицензия: Apache 2.0
Архитектура: vit · dense
Базовая модель: vit-base-patch16-224-in21k
Библиотека: transformers
Опубликована: 16 сен 2026

Ссылки

agricrate_disease_model

Классификация изображенийИзображение → label3 профессии

Дообученный Vision Transformer для классификации изображений, предположительно связанных с болезнями сельскохозяйственных культур.

155скачиваний за 30 дней1лайквеса обновлены17 сен 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

Модель agricrate_disease_model разработана как дообученная версия Vision Transformer google/vit-base-patch16-224-in21k. Она предназначена для классификации изображений; название указывает на распознавание болезней сельскохозяйственных культур, однако README не описывает классы и область применения подробнее. Модель содержит 113,2 млн параметров, использует библиотеку Transformers и сохранена в формате safetensors.

На оценочном наборе указана потеря 0,0400. Данные для обучения обозначены как imagefolder. Лицензия — Apache-2.0; точность, набор классов и условия, в которых модель надёжно работает, по имеющимся сведениям определить нельзя.

Сценарии применения

классификация изображений сельскохозяйственных культур по состоянию здоровья
предварительное распознавание болезней растений по фотографиям

Ограничения

README не раскрывает классы, данные оценки и условия применения модели; приведённой потери недостаточно, чтобы судить о точности или надёжности распознавания.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

IV.6Отраслевые задачиНаучные исследования, математика и новые материалыAI помогает формировать гипотезы, анализировать научные данные и ускорять открытие новых материалов и методов.39 задач4 120моделей IV.3Отраслевые задачиСтрахование и актуарные задачиAI помогает оценивать риски, обрабатывать убытки и управлять страховым портфелем.30 задач563модели 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

agricrate_disease_model

This model is a fine-tuned version of google/vit-base-patch16-224-in21k on the imagefolder dataset. It achieves the following results on the evaluation set:

Loss: 0.0400

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
num_epochs: 3

Training results

Training Loss	Epoch	Step	Validation Loss
No log	1.0	40	0.0743
No log	2.0	80	0.0563
No log	3.0	120	0.0400

Framework versions

Transformers 5.16.1
Pytorch 2.11.0+cu128
Datasets 4.8.5
Tokenizers 0.23.1

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: 83e8e8a