Предобученный на ImageNet EfficientNet-B4 для классификации изображений и использования в качестве энкодера в segmentation-models-pytorch.
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
Репозиторий содержит предобученные на ImageNet веса EfficientNet-B4, предназначенные для использования в качестве энкодера в библиотеке segmentation-models-pytorch. Модель можно применять для классификации изображений или как визуальный энкодер в задачах сегментации через соответствующую библиотеку.
Карточка указывает архитектуру EfficientNet-B4 и формат весов safetensors. Лицензия отмечена как other, поэтому условия её использования следует уточнить в репозитории. Подробные сведения о размере модели, языках и ограничениях в предоставленных данных отсутствуют.
Для использования в сегментации веса подключаются как энкодер через segmentation-models-pytorch; сам репозиторий не описывает готовую модель сегментации. Лицензия указана как other без подробных условий в предоставленных данных.
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-b4 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-b4", 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.