Дообученная визуальная часть CLIP ViT-L/14 извлекает признаки изображений рукописных цифр MNIST.
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
Модель tanganke/clip-vit-large-patch14_mnist — дообученная на наборе MNIST визуальная часть CLIP ViT-Large/14. Она предназначена для извлечения признаков изображений рукописных цифр, например для последующей классификации или анализа представлений. Архитектура — CLIPVisionModel с 402,7 млн параметров; веса опубликованы в формате safetensors.
В README приведены результаты оценки: 0,760 до дообучения и 0,998 после него, однако метрика и протокол оценки не уточнены. Модель принимает изображения и выдаёт векторные представления; карточка не подтверждает поддержку текстового ввода или работу за пределами MNIST. Лицензия в предоставленных данных не указана.
README не уточняет метрику и протокол оценки, поэтому приведённые результаты нельзя напрямую сопоставить с другими моделями. Назначение подтверждено для MNIST; обобщение на другие изображения не установлено.
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…