Предобученный на ImageNet энкодер ResNeXt-101 32x8d для классификации изображений и использования 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 ResNeXt-101 32x8d из репозитория smp-hub, предназначенные для использования модели как энкодера в библиотеке segmentation-models-pytorch. Модель принимает изображения и решает задачу классификации изображений; веса можно также применять как основу энкодера в моделях сегментации.
В карточке указана архитектура ResNeXt-101 32x8d и формат весов safetensors. Сведения о размере модели, языках и контекстном окне неприменимы или не приведены. Лицензия указана как other, поэтому конкретные условия использования следует уточнить в материалах репозитория.
Карточка не описывает метрики качества и ограничения применения. Лицензия обозначена как other, поэтому условия использования нужно уточнить 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 imagenet pre-trained weights for the resnext101_32x8d 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_32x8d", 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.