Зрительная модель CLIP ViT-L/14, дообученная на SVHN для извлечения признаков изображений, включая распознавание изображений с домовыми номерами.
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_svhn — дообученная на наборе SVHN зрительная часть CLIP ViT-Large с размером патча 14. Она предназначена для извлечения признаков изображений, в частности для классификации изображений домовыми номерами из SVHN и построения представлений для последующих задач компьютерного зрения. Модель содержит около 402,7 млн параметров; в репозитории веса представлены в формате safetensors.
В карточке приведены результаты оценки на SVHN: 0,588 для исходной предварительно обученной модели и 0,979 после дообучения. Эти значения указывают на улучшение в указанной оценке, но карточка не описывает метрику и протокол проверки. Базовая модель — openai/clip-vit-large-patch14. Условия лицензирования в предоставленных данных не приведены.
Результаты оценки приведены без названия метрики и описания протокола, поэтому их нельзя напрямую трактовать как точность модели. Модель описана как зрительная часть CLIP; сведения о языковом входе и лицензии в предоставленных данных отсутствуют.
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…