Предварительно обученные веса EfficientNet-B4 noisy-student для классификации изображений и использования как энкодера 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 предварительно обученные веса noisy-student для EfficientNet-B4 из библиотеки timm, опубликованные в репозитории smp-hub и предназначенные для использования в качестве энкодера библиотеки segmentation-models-pytorch. Они подходят для классификации изображений и могут служить визуальным энкодером в моделях сегментации. Веса распространяются в формате safetensors; метаданные указывают лицензию other.
В карточке описаны веса энкодера, а не готовая модель сегментации; сведения о качестве и ограничениях применения не приведены.
Разделы каталога профессий, в задачах которых используется эта модель
README от автора на Hugging Face, как он его опубликовал
This repository contains the noisy-student pre-trained weights for the timm-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("timm-efficientnet-b4", encoder_weights="noisy-student")
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.