/ Модель

Характеристики

Параметры
113 млн
Архитектура
clip_vision_model · dense
Базовая модель
clip-vit-base-patch32
Опубликована
28 апр 2024

clip-vit-base-patch32_cifar10

ЭмбеддингиТекст → embedding3 профессии

Дообученная на CIFAR-10 визуальная модель CLIP для извлечения признаков изображений.

936скачиваний за 30 дней0лайковвеса обновлены28 апр 2024

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Эмбеддинги» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

Публичные оценки

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.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

Модель tanganke/clip-vit-base-patch32_cifar10 — дообученная на CIFAR-10 визуальная часть CLIP ViT-Base/32, основанная на openai/clip-vit-base-patch32. Она предназначена для извлечения признаков изображений и сценариев компьютерного зрения с изображениями, похожими на объекты CIFAR-10. В README приведены результаты оценки: 0,8983 для предварительно обученной модели и 0,9760 после дообучения.

Модель содержит 113,2 млн параметров, использует архитектуру ViT с размером патча 32 и распространяется в формате safetensors. README показывает загрузку через Transformers как CLIPVisionModel. Данных о лицензии в предоставленных источниках нет.

Сценарии применения

  • извлечение признаков изображений CIFAR-10
  • получение визуальных представлений объектов для классификации
  • подготовка эмбеддингов изображений для downstream-задач компьютерного зрения

Ограничения

Дообучение проводилось на CIFAR-10, поэтому применимость к изображениям других типов может быть ограничена. README не сообщает лицензию модели.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Model Card

Model Details

  • Architecture: ViT-Base with patch size 32
  • Training Data: cifar10

Training Details

Adam Optimizer with a constant learning rate 1e-5 for 4000 steps training (batch_size=32). Only the vision encoder is fine-tuned.

Evaluation Results

  • pre-trained: 0.8982999920845032
  • fine-tuned: 0.9759999513626099

Usage

load vision model

from transformers import CLIPVisionModel

vision_model = CLIPVisionModel.from_pretrained('tanganke/clip-vit-base-patch32_cifar10')

substitute the vision encoder of clip

from transformers import CLIPModel

clip_model = CLIPModel.from_pretrained("openai/clip-vit-base-patch32")
clip_model.vision_model.load_state_dict(vision_model.vision_model.state_dict())

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
CLIPVisionModel
Ревизия весов
1a59683

0 моделей