Предварительно обученный энкодер ResNeXt-101 32x4d для классификации изображений и использования в моделях сегментации на базе 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
Это предварительно обученные веса swsl для архитектуры ResNeXt-101 32x4d, предназначенные для использования в качестве энкодера в библиотеке segmentation-models-pytorch. Репозиторий предоставляет веса в формате Safetensors; метаданные указывают задачу классификации изображений.
Модель может служить визуальным энкодером в конвейерах компьютерного зрения и применяться для классификации изображений. README не описывает обучение или происхождение весов подробнее, а также не приводит сведения о поддерживаемых наборах данных и ограничениях качества. Лицензия указана как other, поэтому конкретные условия использования следует сверить с файлами репозитория.
README не описывает метрики качества, обучающие данные или ограничения применения. Лицензия обозначена как other; перед использованием следует проверить её условия в репозитории.
Разделы каталога профессий, в задачах которых используется эта модель
README от автора на Hugging Face, как он его опубликовал
This repository contains the swsl pre-trained weights for the resnext101_32x4d model used as
encoder in the segmentation-models-pytorch library.
pip install segmentation-models-pytorch
import segmentation_models_pytorch as smp
model = smp.Unet("resnext101_32x4d", encoder_weights="swsl")
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.