Дообученная на Stanford Cars модель CLIP ViT-L/14 для извлечения признаков изображений автомобилей и их классификации.
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_stanford-cars — дообученная версия CLIP ViT-Large/14 на датасете Stanford Cars. Она содержит около 402,7 млн параметров и использует архитектуру CLIPVisionModel для извлечения признаков изображений. Модель подходит для получения представлений изображений автомобилей и задач классификации в сценариях, связанных с набором Stanford Cars.
В README приведены результаты оценки: 0,777 для предварительно обученной модели и 0,927 после дообучения. В метаданных указан формат safetensors. Сведения о лицензии и поддерживаемых языках отсутствуют; языковая генерация не заявлена.
Оценки приведены для Stanford Cars; качество на других наборах изображений не указано. Лицензия в предоставленных источниках не описана.
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…