II.10Разработка и эксплуатация AI/ML-систем

AfrimBert-QA-int4-qat — модель BERT для извлечения ответов на вопросы по тексту, созданная на основе amidblue/AfrimBert-QA с применением обучения с учётом квантования (QAT). Она предназначена для ответов на вопросы по контексту на африканских языках и английском; обучение проводилось на сбалансированной по языкам подвыборке AfriQuAD. Модель содержит 205,1 млн параметров и поддерживает контекст до 512 токенов. Репозиторий предоставляет обычный чекпойнт safetensors с весами, адаптированными к сетке квантования, а также целочисленные веса int4 с динамическими активациями int8; эмбеддинги хранятся в int8. Целочисленные веса экономят место, но ускорение вычислений int4 требует совместимого бэкенда. Условия лицензирования в предоставленных данных не описаны; базовая модель ограничена собственными условиями доступа, которые следует проверить перед публикацией производной модели.

Это веса визуального энкодера AIM-v2 Large Patch14 224, опубликованные в формате, совместимом с библиотекой timm. Модель предназначена для извлечения признаковых представлений из изображений, которые можно использовать в последующих задачах компьютерного зрения. Веса доступны в PyTorch и safetensors. Указана лицензия apple-ascl. Карточка не приводит сведения о размере модели, обучении, поддерживаемых языках или конкретных ограничениях применения.

Atom-Z-Tiny-7B — языковая модель из набора Atom, разработанного для точного вызова функций. По README, эта версия дообучена на 100 тысячах примеров; набор данных проекта включает более 20 миллионов примеров. Модель основана на архитектуре Mistral, содержит 7,1 млрд параметров и использует библиотеку NeMo. Контекстное окно составляет 32 768 токенов. Модель предназначена для диалоговых сценариев, где нужно сформировать вызов функции, а также для генерации текста и кода. В метаданных указан английский язык. Указанная лицензия — Apache-2.0. Заявленная в README поддержка зрения относится к будущей разработке проекта, поэтому её нельзя считать возможностью этой модели.

BagOClownCoders-slerp-7B — объединённая модель генерации текста на базе архитектуры Mistral, созданная методом SLERP с помощью mergekit из beowolx/CodeNinja-1.0-OpenChat-7B и beowolx/MistralHermes-CodePro-7B-v1. Это плотная авторегрессионная модель объёмом 7,1 млрд параметров с контекстом до 32 768 токенов; репозиторий содержит веса в формате safetensors, а использовать модель можно через Transformers. Модель предназначена для диалоговой генерации текста и задач программирования: она может помогать писать и дополнять код, а также отвечать на вопросы в чате. README подтверждает способ слияния и исходные модели; отдельные сведения о качестве, тестировании и условиях лицензии в предоставленных данных отсутствуют.

Bashkir LID — компактный бинарный классификатор языка башкирского текста от автора репозитория failed09. Он относит входной текст к башкирскому языку (ba) или к категории «не башкирский» (non_ba), поэтому подходит для фильтрации корпусов, предварительной проверки текста после OCR и локальных приложений с инференсом на CPU. Модель использует символьные TF-IDF признаки char_wb с n-граммами длиной 2–5 и словные n-граммы длиной 1–2; линейный SGD-классификатор экспортирован в ONNX и запускается через ONNX Runtime. В карточке приведены результаты на тестах со слабыми или вручную заданными метками: 93,25% точности на наборе из 4 000 предложений. При пороге 0,50 классификатор сохранил 73% башкирских примеров и не пропустил ни одного из 3 000 небашкирских в указанном тесте. Это бинарный языковой фильтр, а не многоязычный детектор: он не определяет, какой именно язык стоит за меткой non_ba. Короткие строки, татарский и другой близкородственный текст, смешанные языки, имена и OCR-шум могут вызывать ошибки; оценки модели не следует считать откалиброванными вероятностями. Лицензия репозитория — Apache-2.0; исходные обучающие тексты не распространяются, и для них могут действовать условия исходных источников.

BEiT Large — модель классификации изображений Microsoft на основе Vision Transformer с трансформерным энкодером. Она предварительно обучена на ImageNet-21k методом самоконтролируемого обучения с предсказанием визуальных токенов для скрытых патчей, а затем дообучена для классификации изображений на ImageNet-22k. Размер модели — 411 млн параметров; изображения обрабатываются при разрешении 224×224 пикселя как патчи 16×16. В архитектуре используются относительные позиционные эмбеддинги, а представление изображения формируется усреднением состояний патчей. Модель предназначена для присвоения изображениям классов ImageNet и может служить энкодером признаков для обучения классификаторов на размеченных наборах изображений. Она рассчитана на входные изображения и выдаёт метки классов. Карточка описывает обучение на наборах ImageNet, поэтому качество на других предметных областях зависит от данных и настройки. Лицензия — Apache-2.0.

BEiT-v2 Base Patch16 224 — модель компьютерного зрения от сообщества timm для классификации изображений и извлечения признаков. Она принимает изображения размером 224 × 224 пикселя и содержит около 102,6 млн параметров. Архитектура использует Vision Transformer с патчами 16 × 16; предварительное обучение выполнялось методом masked image modeling с визуальным токенизатором VQ-KD, основанным на учителе OpenAI CLIP B/16, после чего модель дообучили на ImageNet-22k. Модель подходит для классификации изображений и получения векторных представлений изображений в задачах компьютерного зрения. Репозиторий распространяет веса в форматах PyTorch и safetensors; библиотека для работы с моделью — timm. Лицензия — Apache-2.0. Метаданные не указывают конкретный набор классов для итоговой классификации.

SlavicBERT — многоязычная модель на архитектуре BERT, разработанная авторами исследования о настройке мультиязычных трансформеров для распознавания именованных сущностей. Модель обучена на русских новостях и Википедиях на болгарском, чешском, польском и русском языках; словарь субтокенов построен по этим данным. Инициализация выполнена из Multilingual BERT. Модель содержит 12 слоёв, 768 скрытых размерностей и 12 attention-голов. В README указано 180 млн параметров, метаданные Hugging Face указывают 205,1 млн; длина контекста — 512 токенов. Репозиторий содержит веса PyTorch и Flax. Это базовая модель для извлечения признаков из текста на четырёх славянских языках, которую можно адаптировать для задач обработки языка. В карточке не указана лицензия.

GreekBERT — предварительно обученная языковая модель BERT для греческого языка, выпущенная группой обработки естественного языка Афинского университета экономики и бизнеса (AUEB) вместе с научной статьёй 2020 года. Это плотный трансформер BERT с примерно 140,1 млн параметров и контекстом до 512 токенов; доступны версии для PyTorch, TensorFlow и Flax. Модель предназначена для работы с греческим текстом без диакритических знаков и в нижнем регистре; токенизатор выполняет эту предобработку автоматически. Модель обучена на греческих текстах Википедии, материалах Европейского парламента и корпусе OSCAR. Её можно использовать для заполнения пропусков в тексте, а также дообучать для прикладных задач обработки греческого языка, например распознавания именованных сущностей и классификации текстов. В README приведены оценки на наборах для распознавания сущностей и логического вывода, но сами по себе они не гарантируют качество в конкретном сценарии. Лицензия в предоставленных сведениях не указана.

BERTurk — некейсовая базовая модель BERT для турецкого языка, разработанная командой MDZ Digital Library Баварской государственной библиотеки при участии турецкого NLP-сообщества. Модель содержит 137,8 млн параметров, обучена на корпусе объёмом 35 ГБ из OSCAR, Wikipedia, OPUS и специализированных турецких текстов. Контекст — до 512 токенов. Модель предназначена для получения контекстных представлений турецкого текста и адаптации к прикладным задачам NLP, включая разметку частей речи и распознавание именованных сущностей. Это базовая модель, а не готовый чат-ассистент; для классификации и разметки её обычно дообучают на соответствующих данных. Доступны веса PyTorch, а также форматы Flax и TensorFlow в метаданных. Лицензия — MIT.

Это компактная модель Sentence Transformers, разработанная swardiantara и дообученная на google/bert_uncased_L-2_H-128_A-2. Она кодирует предложения и абзацы в плотные векторы размерностью 128, предназначенные для поиска и сравнения текстов по косинусному сходству. В архитектуре используются BERT с усредняющим pooling; модель содержит 4,4 млн параметров и принимает текстовые последовательности длиной до 512 токенов по метаданным. README указывает максимум 128 токенов, поэтому при более длинном вводе следует учитывать возможное усечение. Модель обучалась на парах отзывов Amazon и подходит для семантического поиска и извлечения похожих отзывов. Базовая модель англоязычная, поэтому основное применение — английский текст. Файлы опубликованы в формате safetensors; лицензия в предоставленных данных не указана.

google/bert_uncased_L-10_H-128_A-2 — компактная англоязычная модель BERT от Google из набора BERT Miniatures, описанного в работе «Well-Read Students Learn Better». В этой конфигурации 10 слоёв, скрытый размер 128 и 2 attention-головы; модель содержит около 6,5 млн параметров и принимает последовательности длиной до 512 токенов. Доступны реализации PyTorch и Flax. Модель предназначена для задач понимания английского текста и может дообучаться для конкретных задач так же, как исходные модели BERT. Компактный размер подходит для сред с ограниченными вычислительными ресурсами; авторы отмечают, что особенно эффективно использовать её в дистилляции, перенося на неё метки, подготовленные более крупной и точной моделью. В README приведены результаты оценки семейства на GLUE, но отдельная строка для данной конфигурации в предоставленном тексте отсутствует. Модель является предобученным чекпойнтом компактной архитектуры BERT; её не следует считать готовой универсальной чат-моделью. Лицензия — Apache-2.0. Для использования следует учитывать англоязычную специализацию и меньшую ёмкость по сравнению с крупными BERT-моделями.

google/bert_uncased_L-2_H-128_A-2 — компактная англоязычная модель BERT Miniatures от Google, описанная в работе «Well-Read Students Learn Better: On the Importance of Pre-training Compact Models». Это BERT с 2 слоями и скрытым размером 128; модель содержит около 4,4 млн параметров и принимает последовательности длиной до 512 токенов. Она обучена без учёта регистра с маскированием WordPiece и предназначена для сред с ограниченными вычислительными ресурсами. Модель можно дообучать для задач понимания текста, таких как классификация и оценка сходства предложений. Авторы отмечают, что компактные модели особенно эффективны при дистилляции, когда метки для дообучения генерирует более крупная и точная модель-учитель. Доступны веса PyTorch, Flax и Safetensors. Модель рассчитана на английский язык. Её компактность снижает требования к вычислительным ресурсам, но качество может уступать более крупным моделям, а для прикладных задач обычно требуется дообучение или дистилляция. Лицензия — Apache-2.0.

google/bert_uncased_L-4_H-256_A-4 — компактная англоязычная модель BERT из набора BERT Miniatures, разработанного Google и описанного в работе «Well-Read Students Learn Better». Это трансформерный энкодер с 4 слоями, размером скрытого представления 256 и 4 головами внимания; модель содержит около 12 млн параметров и принимает последовательности длиной до 512 токенов. Она обучена без учёта регистра с токенизацией WordPiece и предназначена для задач понимания английского текста с ограниченными вычислительными ресурсами. Модель можно дообучать для классификации и других задач обработки текста. Авторы отмечают, что она особенно эффективна при дистилляции, когда метки для дообучения созданы более крупной моделью-учителем. По результатам GLUE BERT-Mini показывает качество ниже более крупных вариантов из набора, что отражает компромисс между размером и точностью. Доступны веса в форматах PyTorch и Flax. Лицензия — Apache-2.0.

castorini/bpr-nq-question-encoder — преобразованная модель из исходного репозитория BPR, адаптированная для работы с Pyserini. Она кодирует вопросы в плотные векторы для поиска релевантных фрагментов при ответах на вопросы по открытым источникам. Модель основана на архитектуре DPRQuestionEncoder и содержит 136,7 млн параметров; максимальная длина контекста — 512 токенов. Модель предназначена для компонента поиска в системах open-domain question answering и использует подход BPR с хешированием для эффективного извлечения фрагментов. В карточке не указаны конкретные поддерживаемые естественные языки. Репозиторий содержит веса PyTorch. Лицензия в предоставленных данных не указана.

CAFormer-S18 — модель компьютерного зрения семейства MetaFormer, распространяемая проектом timm. Она предназначена для классификации изображений и может использоваться как backbone для извлечения карт признаков и эмбеддингов изображений. Модель предварительно обучена на ImageNet-22k, затем дообучена авторами статьи на ImageNet-1k. Модель содержит 26,3 млн параметров и рассчитана на изображения размером 384 × 384 пикселя. В репозитории доступны веса PyTorch и SafeTensors; лицензия — Apache-2.0. Карточка описывает применение для классификации, извлечения признаков и построения эмбеддингов.

nielsr/canine-s — репозиторий с весами CANINE-S, опубликованный nielsr на Hugging Face; сама модель разработана Google и представляет собой многоязычный энкодер-трансформер для представления текста. Модель содержит 113,2 млн параметров и принимает текст на уровне символов Unicode без обычного токенизатора; при предобучении она предсказывает субсловные токены по символьному вводу. Метаданные указывают контекст до 16 384 токенов. Модель предназначена прежде всего для извлечения признаков и последующей тонкой настройки для задач классификации последовательностей и токенов, а также ответов на вопросы. Она обучалась на многоязычных данных Википедии для 104 языков. Это не модель для генерации текста; лицензия Apache-2.0 указана для исходной модели Google CANINE-S.

CLIP-FlanT5-XXL — модель для оценки соответствия изображения текстовому описанию, реализующая метрику VQAScore. Репозиторий bigshanedogg содержит неофициальную упаковку исходной модели Zhiqiu Lin и соавторов в формат Transformers с поддержкой загрузки через trust_remote_code. Модель насчитывает 5,8 млрд параметров и объединяет визуальную башню CLIP ViT-L/14-336 с энкодером-декодером FlanT5-XXL: признаки изображения передаются в энкодер T5, а декодер оценивает ответ на вопрос о соответствии изображения подписи. Основной сценарий — получить оценку image-text alignment без эталонного изображения: VQAScore вычисляется по вероятности ответа «Yes» на вопрос о том, показывает ли изображение заданную подпись. Реализация предназначена для оценки и бенчмаркинга генерации изображений, включая CVTG-2K. Несмотря на тег image-text-to-text, README указывает, что в Transformers 5.x генерация отключена: модель рассчитана на оценивание через forward и logits, а не на свободную генерацию текста. Весовая основа и упаковка распространяются по Apache-2.0; компоненты FlanT5-XXL также имеют Apache-2.0, а CLIP ViT-L/14-336 — MIT. Для загрузки с удалённым кодом требуется trust_remote_code; README указывает совместимость с Transformers 5.x и 4.57.

CodeFuse-QWen-14B — языковая модель для генерации кода, выпущенная командой CodeFuse и дообученная методом QLoRA на базе QWen-14B на нескольких задачах, связанных с кодом. Она предназначена для генерации и продолжения кода по запросу в формате диалога. Модель построена на плотной архитектуре QWen и содержит 21,8 млрд параметров; размер 14B в названии карточки расходится с этим числом из метаданных. Контекст составляет 8192 токена. README сообщает результат 48,78% pass@1 на HumanEval при жадном декодировании. Карточка описывает многоязычные задачи с кодом, но конкретные языки программирования не перечисляет. Для запуска README указывает PyTorch, Transformers 4.32.0, SentencePiece и CUDA 11.4. Лицензия в метаданных обозначена как other, поэтому конкретные условия следует сверить с файлами лицензии репозитория.

MaziyarPanahi/codegemma-2b-GGUF — это набор файлов модели в формате GGUF, созданный MaziyarPanahi на основе модели google/codegemma-2b, разработанной Google. Модель предназначена для генерации текста и может использоваться в сценариях, связанных с обработкой и генерацией кода, а также для локального запуска через совместимые инструменты и библиотеки. Модель имеет размер 2 миллиарда параметров и распространяется в нескольких вариантах квантования: от 2-битного до 8-битного, включая форматы Q2_K, Q3_K, Q4_K, Q5_K и Q6_K. GGUF поддерживается, в частности, llama.cpp, text-generation-webui, KoboldCpp, GPT4All, LM Studio и llama-cpp-python, что позволяет запускать модель локально с использованием CPU или GPU в зависимости от выбранного окружения. Сведения о языках, размере контекста и поддержке мультимодальности в README не указаны. К сильным сторонам относятся компактный размер, широкий выбор уровней квантования и совместимость с популярными средствами локального инференса. К ограничениям относятся возможная потеря качества при более агрессивном квантовании и отсутствие в предоставленных данных подробных характеристик качества, языковой поддержки и контекстного окна. Модель распространяется с лицензией Gemma; точные условия следует уточнять в лицензии исходной модели Google.

Salesforce CodeGen-Multi 16B — авторегрессионная плотная языковая модель для генерации программного кода. Вариант Multi инициализирован на CodeGen-NL 16B и дополнительно предобучен на корпусе BigQuery из 119,2 млрд токенов кода из GitHub. В модели 16 млрд параметров; архитектура CodeGenForCausalLM, формат PyTorch, контекст — 2048 токенов. Модель предназначена прежде всего для синтеза кода по инструкциям на английском языке, заданным в виде комментариев, и продолжения частично написанного кода. В обучающих данных представлены C, C++, Go, Java, JavaScript и Python. Она также может извлекать признаки из текста и оценивать его правдоподобие, но не предназначена для всех последующих сценариев без отдельной оценки качества и рисков. Модель выпущена Salesforce для исследовательского использования в рамках академической работы. Лицензия — BSD-3-Clause. Возможны ошибки в генерируемом коде; авторы рекомендуют проверять точность, безопасность и справедливость перед внедрением.

Это конвертированная версия CodeGen2 3.7B, подготовленная Michael Feil для FauxPilot: веса Salesforce/codegen2-3_7B преобразованы для совместимости с архитектурой GPT-J. Модель авторегрессионная, с архитектурой GPTJForCausalLM и 3,7 млрд параметров; использует формат PyTorch/Safetensors и контекст до 2048 токенов. Конверсия датирована 22 мая 2023 года. Модель предназначена прежде всего для генерации и дополнения программного кода по текстовым инструкциям на английском языке, а также для заполнения пропусков внутри фрагмента кода. В обучении использован разрешительный дедуплицированный поднабор Stack v1.1; заявлена поддержка C, C++, C#, Dart, Go, Java, JavaScript, Kotlin, Lua, PHP, Python, Ruby, Rust, Scala, shell, SQL, Swift, TypeScript и Vue. Лицензия репозитория — Apache-2.0. Качество результата может зависеть от точности англоязычного запроса и предоставленного контекста; сгенерированный код следует проверять и тестировать. Модель описана как наиболее подходящая для синтеза программ и может извлекать признаки из текстов, но карточка не приводит конкретных оценок качества.

CodeGPT-small-py — авторегрессионная модель генерации кода на основе GPT-2, опубликованная Microsoft. Она предназначена для продолжения и дополнения фрагментов кода Python, а также генерации кода по контексту. Модель принимает текстовый промпт и предсказывает следующие токены; доступные веса представлены в форматах PyTorch, TensorFlow и Flax. Для модели указан контекст длиной 1024 токена. Карточка Hugging Face не сообщает размер в параметрах или лицензию; связанный проект Microsoft описывает семейство PyCodeGPT как модель для генерации и дополнения Python-кода и указывает MIT-лицензию для репозитория проекта. Результаты генерации требуют проверки и исполнения в безопасной среде.

ConvNeXt Large MLP — модель компьютерного зрения для классификации изображений и извлечения визуальных признаков. Её разработал Ross Wightman в библиотеке timm, взяв визуальную башню CLIP, предварительно обученную OpenCLIP на LAION-2B, и дообучив её на ImageNet-1k. Архитектура основана на ConvNeXt; модель содержит около 200,1 млн параметров и рассчитана на изображения размером 384 × 384 пикселя. Модель присваивает изображениям классы ImageNet-1k, а также может использоваться как основа для извлечения карт признаков и эмбеддингов изображений. Предварительное обучение на LAION-2B и последующее дообучение на ImageNet-1k сочетают визуальные представления CLIP с классификацией по классам ImageNet. Репозиторий предоставляет веса PyTorch и safetensors; лицензия — Apache-2.0. Классификационные результаты и скорость зависят от оборудования и настроек инференса. Модель ориентирована на визуальные задачи и не предназначена для генерации текста или обработки изображений произвольного разрешения без соответствующей подготовки входа.

NVIDIA C-RADIOv2-B — модель извлечения визуальных признаков на архитектуре Vision Transformer. Она преобразует RGB-изображения в тензорные эмбеддинги для использования в последующих моделях и приложениях компьютерного зрения. Версия Base содержит 90 млн параметров; поддерживаются изображения с разрешением до 2048×2028 с шагом 16 пикселей. Модель возвращает общее представление изображения и пространственные признаки локальных областей. Их можно использовать для классификации и отбора изображений, семантической сегментации, оценки глубины и интеграции в модели «зрение — язык». Для применения признаков требуется downstream-модель. В README указана обучающая выборка NV-CC-Img-Text-Dataset из 700 млн изображений и оценка на ImageNet. Модель предназначена для разработчиков приложений компьютерного зрения; в README заявлена готовность к коммерческому и некоммерческому использованию. Условия использования регулируются NVIDIA Open Model License Agreement.

Это текстовый Sentence Transformer, дообученный на базе sentence-transformers/all-MiniLM-L6-v2 для поиска соответствий между запросами и фрагментами кода. Модель преобразует предложения и абзацы в плотные векторы размерности 384; для сравнения используется косинусное сходство. Архитектура включает BERT-энкодер, mean pooling и нормализацию векторов. Модель предназначена для семантического поиска по коду и извлечения релевантных фрагментов по текстовому запросу. Обучение проведено на 393 427 парах «запрос — код» с MultipleNegativesRankingLoss. Метаданные указывают 25,9 млн параметров и контекст до 512 токенов; README задаёт максимальную длину последовательности 256 токенов, поэтому при использовании следует учитывать это ограничение. Язык корпуса и лицензия в предоставленных данных не указаны.

Decision-2.0-Eos-0.8B — компактная плотная модель семейства Decision 2.0 от vLLM Semantic Router, дообученная на базе vllm-sr/Decision-1.0-Eos-0.8B. Принимает текст или JSON с контекстом и вопросами о кандидатах и за один проход оценивает варианты выбора, ответы «да/нет» и баллы, возвращая вероятности для ответов без генерации текста. Размер модели — 0,75 млрд параметров, длина контекста — 16 384 токена. Модель предназначена для классификации и ранжирования вариантов в сценариях принятия решений, когда по одному контексту нужно получить ответы на несколько вопросов. В README приведены результаты сравнительной оценки и медианное время 6 мс на один вопрос на одном GPU; эти показатели относятся к описанным условиям оценки. Репозиторий содержит веса safetensors и использует Transformers. Лицензия — Apache-2.0.

Это пакет GGUF для распределённого запуска DeepSeek-R1-Distill-Llama-70B-UD-Q4_K_XL, подготовленный Mesh LLM на основе unsloth/DeepSeek-R1-Distill-Llama-70B-GGUF. Веса разделены на артефакты по слоям, чтобы запускать модель на локальном кластере из нескольких машин, когда целый файл слишком велик для одного узла. Модель предназначена для локального приватного чат-инференса и интеграции с приложениями через локальный API Mesh LLM, совместимый с OpenAI Chat Completions. Это вариант UD-Q4_K_XL в формате GGUF; исходная модель относится к семейству DeepSeek и имеет 70 млрд параметров согласно идентификатору, однако описание пакета не приводит независимых сведений об архитектуре, языках или длине контекста. Пакет упрощает распределение вычислений между узлами, но для работы требует Mesh LLM и доступных машин кластера. Лицензия и подробные рекомендации по шаблону чата, настройкам генерации и качеству приведены в карточке исходной модели; в этом README условия лицензии не указаны.

Это пакет слоёв GGUF для квантованной модели DeepSeek-V4-Flash-0731-UD-Q4_K_XL, подготовленный Mesh LLM на основе unsloth/DeepSeek-V4-Flash-0731-GGUF. Он разбивает веса на артефакты по слоям, чтобы запускать модель распределённо на локальном кластере из нескольких машин, в том числе когда полный файл не помещается на одном узле. Модель предназначена для локального приватного чат-инференса и сценариев text-generation. Через Mesh LLM её можно подключать к совместимым с OpenAI запросам chat completions. Репозиторий указывает формат GGUF и вариант UD-Q4_K_XL; сведения об архитектуре, размере, контексте и языках в предоставленных данных отсутствуют. Лицензия — MIT.

Это модель DeiT-III Large для классификации изображений, обученная авторами статьи на ImageNet-1k и опубликованная в библиотеке timm. Её также можно использовать как визуальную основу для извлечения признаков и эмбеддингов изображений. Модель основана на архитектуре Vision Transformer (ViT), содержит около 304,4 млн параметров и рассчитана на изображения размером 224 × 224 пикселя. Основной сценарий — отнесение изображения к одному из классов ImageNet-1k; полученные признаки подходят для построения систем поиска и анализа изображений. Весы доступны в форматах PyTorch и Safetensors. Лицензия — Apache-2.0. Карточка описывает обучение на ImageNet-1k; качество на других наборах данных и вне стандартного разрешения может отличаться.