Предобученные на ImageNet веса EfficientNet-B1 для классификации изображений и использования как энкодера в моделях сегментации.
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
Это предобученные на ImageNet веса EfficientNet-B1, опубликованные для использования в качестве энкодера в библиотеке segmentation-models-pytorch. Модель предназначена для классификации изображений и может служить энкодером при создании систем сегментации изображений.
Репозиторий содержит веса в формате Safetensors. Карточка не сообщает размер модели, контекст или поддерживаемые языки. Лицензия указана как other, поэтому перед использованием следует проверить условия лицензирования репозитория.
Карточка описывает веса как ImageNet-предобученный энкодер для segmentation-models-pytorch, а не как готовую модель сегментации. Лицензия указана как other; проверьте условия использования перед внедрением.
Разделы каталога профессий, в задачах которых используется эта модель
README от автора на Hugging Face, как он его опубликовал
This repository contains the imagenet pre-trained weights for the efficientnet-b1 model used as
encoder in the segmentation-models-pytorch library.
pip install segmentation-models-pytorch
import segmentation_models_pytorch as smp
model = smp.Unet("efficientnet-b1", encoder_weights="imagenet")
На своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
Универсальный рантайм · segmentation-models-pytorch · image-classification
Архитектура ? неизвестна transformers в образе рантайма.