Дообученная на CIFAR-100 модель CLIP ViT-Large/14 извлекает признаки изображений для классификации и экспериментов с набором CIFAR-100.
Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды
Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.
Вместе с другими моделями категории «Эмбеддинги» — сравнение идёт внутри одной категории.
Напишите запросы, при необходимости приложите файлы и эталонные ответы.
Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.
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
tanganke/clip-vit-large-patch14_cifar100 — дообученная на CIFAR-100 модель компьютерного зрения на архитектуре CLIP ViT-Large/14 от OpenAI. Она извлекает признаки изображений и предназначена для классификации изображений из 100 классов CIFAR-100 и экспериментов с этим набором данных. Модель содержит около 402,7 млн параметров; репозиторий использует формат Safetensors.
В README приведены результаты оценки: 0,7505 для исходной модели и 0,9301 после дообучения. Это значения из карточки, без описания метрики и протокола оценки. Модель принимает изображения и выдаёт векторные представления; лицензия в предоставленных данных не указана.
Результаты 0,7505 и 0,9301 в README не сопровождаются названием метрики или описанием протокола оценки. Лицензия модели не указана в предоставленных источниках.
Разделы каталога профессий, в задачах которых используется эта модель
README от автора на Hugging Face, как он его опубликовал
Adam Optimizer with a constant learning rate 1e-5 for 4000 steps training (batch_size=32). Only the vision encoder is fine-tuned.
На своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
Универсальный рантайм
Подбираем GPU…