Предобученные на ImageNet веса ResNeXt-50 32x4d служат энкодером для сегментационных моделей и подходят для классификации изображений.
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-50 32x4d из репозитория smp-hub, предназначенные для использования в качестве энкодера в библиотеке segmentation-models-pytorch. Модель также размечена как решающая задачу классификации изображений.
ResNeXt-50 32x4d — сверточная архитектура для обработки изображений. Карточка не сообщает размер модели, языки или ограничения по входному разрешению. Репозиторий содержит веса в формате safetensors.
Лицензия указана как other; конкретные условия в карточке не приведены.
Карточка не описывает метрики качества, диапазон входных изображений или конкретные ограничения; условия лицензии other требуют отдельной проверки.
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 resnext50_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("resnext50_32x4d", 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.