Предобученный на ImageNet энкодер EfficientNet-B1 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
Репозиторий содержит предварительно обученные на ImageNet веса EfficientNet-B1 из библиотеки timm. Модель разработана для классификации изображений и может использоваться как энкодер в segmentation-models-pytorch при построении моделей сегментации.
Веса опубликованы в формате safetensors и распространяются с лицензией, указанной как other. Карточка не приводит размер модели, параметры обучения или ограничения применения; пригодность для конкретного проекта зависит от выбранной архитектуры сегментации и данных.
Модель предназначена для изображений и сама по себе не выполняет сегментацию: для этого её используют как энкодер в составе другой архитектуры. Лицензия обозначена как other, поэтому перед использованием следует проверить 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 imagenet pre-trained weights for the timm-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("timm-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.