Дообученный визуальный энкодер CLIP ViT-L/14 для классификации спутниковых снимков EuroSAT и использования в экспериментах со слиянием моделей.
Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды
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
CLIP ViT-Large/14 FT EuroSAT — экспертная модель компьютерного зрения на базе OpenAI CLIP ViT-L/14, представленная в работе SMAT: Simple and Efficient Merge-Aware Training. Она дообучена для классификации спутниковых снимков EuroSAT и рассчитана на использование как эксперт в сценариях слияния моделей. Репозиторий содержит исходный state dictionary визуального энкодера в формате FP32; для загрузки требуются код SMAT и соответствующая базовая модель OpenAI CLIP.
Модель предназначена для классификации изображений EuroSAT. Лицензия репозитория — MIT; условия использования датасета регулируются отдельно. Карточка не сообщает метрики качества и не описывает языковые возможности.
Для загрузки нужны код SMAT и соответствующая базовая модель OpenAI CLIP; требуется учитывать отдельные условия использования датасета EuroSAT. В карточке не приведены метрики качества.
README от автора на Hugging Face, как он его опубликовал
A FT expert from Table 2 of SMAT: Simple and Efficient Merge-Aware Training (seed 42). SMAT trains experts with model merging in mind.
encoder.pt is the original FP32 vision-encoder state dictionary; load it with the SMAT code and the matching OpenAI CLIP base model. Dataset terms apply separately.
На своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
Универсальный рантайм
В репозитории нет config.json: не понять архитектуру модели.