Предварительно обученный энкодер EfficientNet-B5 для извлечения признаков и 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 предварительно обученные веса EfficientNet-B5 с вариантом обучения Noisy Student, подготовленные для использования в качестве энкодера в библиотеке segmentation-models-pytorch. Репозиторий создан smp-hub; модель также подходит для классификации изображений, что указано в метаданных Hugging Face.
Модель принимает изображения и предназначена для извлечения визуальных признаков и классификации изображений. Веса сохранены в формате safetensors и опубликованы для PyTorch. README не сообщает размер входа, число параметров или метрики качества. Лицензия указана как other, без уточнения конкретных условий в предоставленных данных.
В предоставленной карточке нет метрик качества, требований к размеру входного изображения или подробностей о настройке и обучающих данных. Лицензия обозначена как other, поэтому конкретные условия использования из этих данных определить нельзя.
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-b5 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-b5", 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.