II.10Разработка и эксплуатация AI/ML-систем

Модель swardiantara/bert-tiny-amazon_reviews-k5-adaptive-euclidean — компактный Sentence Transformer, дообученный автором на базе google/bert_uncased_L-2_H-128_A-2. Она преобразует текст предложений и абзацев в плотные векторы размерностью 128 для поиска и сравнения по косинусному сходству. Архитектура состоит из BertModel и среднего pooling; модель содержит 4,4 млн параметров и принимает текстовые последовательности длиной до 512 токенов по метаданным, хотя карточка модели указывает максимальную длину 128 токенов. Обучение проводилось на 4 200 100 парах текстов с метками; примеры в карточке относятся к отзывам Amazon. Модель подходит для семантического поиска отзывов, извлечения эмбеддингов и поиска похожих предложений в англоязычных текстах. Лицензия в предоставленных данных не указана.

Карточка модели google/bert_uncased_L-12_H-128_A-2 на Hugging Face совпадает с карточкой google/bert_uncased_L-2_H-128_A-2, поэтому описание составлено по ней. 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-2_H-256_A-4 — компактная англоязычная модель BERT от Google, входящая в набор BERT Miniatures, описанный в работе «Well-Read Students Learn Better: On the Importance of Pre-training Compact Models». Она использует 2 слоя, скрытый размер 256 и 4 attention-головы; содержит около 9,9 млн параметров и обрабатывает последовательности длиной до 512 токенов. Модель обучена без учета регистра с маскированием WordPiece-токенов и доступна в форматах PyTorch и Flax. Модель предназначена для задач понимания английского текста в условиях ограниченных вычислительных ресурсов и может дообучаться для конкретных задач так же, как исходные модели BERT. Авторы отмечают, что особенно эффективным может быть её применение в дистилляции знаний от более крупной и точной модели. В README приведены результаты набора BERT Miniatures на GLUE, однако отдельные показатели именно этой конфигурации не указаны. Модель выпущена под лицензией Apache-2.0. Она компактнее крупных вариантов BERT, но это также означает меньшую ёмкость; для высокой точности может потребоваться дообучение или дистилляция. Поддерживается английский язык.

Это набор GGUF-квантизаций модели braindao/iq-code-evmind-v2-llama3-code-8b-instruct, подготовленный командой featherless-ai-quants. Модель относится к классу text-generation и предназначена для генерации текста, прежде всего для задач, связанных с программным кодом, в формате instruct-взаимодействия. Базовая модель построена на архитектуре Llama 3 и имеет около 8 миллиардов параметров. В репозитории представлены варианты квантизации IQ4_XS, Q2_K, Q3_K_L, Q3_K_M, Q3_K_S, Q4_K_M, Q4_K_S, Q5_K_M, Q5_K_S, Q6_K и Q8_0 размером примерно от 3 до 8 ГБ. Это позволяет выбирать компромисс между требованиями к памяти, скоростью работы и потенциальным качеством генерации. Поддерживаются только текстовые входы и выходы; сведения о языках, размере контекста, результатах тестирования и конкретных языках программирования в README не приведены. Сильной стороной модели является возможность локального запуска через совместимые с GGUF инструменты при выборе подходящего уровня квантизации. Ограничения включают возможные потери качества из-за квантизации и отсутствие подтверждённых данных о производительности, мультиязычности и применимости к конкретным сценариям. Лицензия модели в README не указана.

AmberYifan/capsd-marin-8b-base-code_ppl_b10000_s0 — дообученная плотная Llama-модель на базе marin-community/marin-8b-base. Она предназначена для генерации и продолжения текста; название модели и обучающего набора указывают на настройку на примерах кода, однако README не описывает конкретные сценарии или результаты оценки. Модель содержит 7,5 млрд параметров, принимает текст и имеет контекст длиной 4096 токенов. Репозиторий использует формат safetensors и библиотеку Transformers. Лицензия указана как other, поэтому условия использования следует уточнить в репозитории.

Carnice-9b-GGUF — набор GGUF-сборок модели Carnice-9b, разработанной kai-os на основе Qwen/Qwen3.5-9B и специально дообученной для работы с Hermes-Agent. Модель предназначена прежде всего для локальных агентных сценариев, в которых требуется многошаговое взаимодействие с инструментами, включая терминал, файловую систему и браузер, а также корректное формирование действий в формате, ожидаемом Hermes-Agent. Обучение было ориентировано не на обычный диалоговый стиль, а на tool-use и поведение автономного агента в многоходовых задачах. В обучающие данные входили Hermes-совместимые траектории, примеры восстановления общего reasoning после специализированного дообучения и дополнительный этап настройки под формат действий и использование инструментов в Hermes-Agent. Модель имеет размер 9B и поддерживает текстовую генерацию; сведения о языках, максимальном контексте и мультимодальных возможностях в README не указаны. Репозиторий содержит три варианта квантизации: Q4_K_M размером около 5,3 ГБ для наиболее быстрого локального тестирования, Q6_K размером около 6,9 ГБ как компромисс между качеством и размером и Q8_0 размером около 8,9 ГБ для максимального качества среди GGUF-вариантов. Сборки предназначены для запуска через llama.cpp и являются самостоятельными объединёнными моделями, а не PEFT-адаптерами. Ограничения включают зависимость качества и скорости от выбранной квантизации и оборудования, а также специализированную ориентацию на Hermes-Agent, из-за которой поведение в универсальных чат-сценариях может не быть основной целью модели. Модель распространяется по лицензии Apache-2.0.

Это конверсия CLIP ViT-B/32 от OpenAI для библиотеки Keras 3, подготовленная командой zeromodels. Модель использует два энкодера — изображений и текста — обученных сопоставлять пары «изображение — подпись» в общем пространстве эмбеддингов. Репозиторий содержит версию в формате TensorFlow; реализация Keras может работать с TensorFlow, Torch и JAX. Модель предназначена для классификации изображений по текстовым запросам без дообучения: при выводе ей передают изображения и текстовые подсказки, между которыми она оценивает соответствие. Архитектура также поддерживает поиск изображений по тексту и получение эмбеддингов изображений и текста. Лицензия — MIT. Качество результатов зависит от формулировок текстовых подсказок и соответствия изображений данным обучения. Модель сопоставляет изображения с текстом, поэтому не заменяет специализированный детектор объектов или систему распознавания текста на изображениях.

CoAtNet-RMLP — модель классификации изображений из библиотеки timm, обученная Ross Wightman на ImageNet-12k, подмножестве ImageNet-22k с 11 821 классом. Она сочетает свёрточные блоки MBConv на ранних этапах обработки с блоками внимания трансформера на поздних. В названии указана настройка MLP Log-CPB — непрерывного относительного смещения позиций в логарифмических координатах, мотивированная Swin Transformer V2. Модель рассчитана на классификацию изображений размером 224 × 224 и может использоваться как основа для извлечения признаков и построения эмбеддингов изображений. В ней около 50 млн параметров; вычислительная сложность указана как 8,1 GMAC. Репозиторий содержит веса PyTorch и Safetensors. Модель предназначена для классификации по категориям, представленным в обучающих данных; README не приводит отдельной оценки качества именно этой версии. Лицензия — Apache-2.0.

CoAtNet RMLP 2 RW 224 — модель компьютерного зрения из библиотеки timm, разработанная Россом Уайтманом и обученная на ImageNet-1k. Она предназначена для классификации изображений и может использоваться как визуальная основа для извлечения признаков и эмбеддингов. Архитектура CoAtNet сочетает свёрточные блоки MBConv на ранних этапах с блоками трансформерного внимания на поздних. В этой версии используется MLP Log-CPB — смещение относительных позиций, мотивированное Swin Transformer V2. Модель содержит 73,9 млн параметров, рассчитана на изображения 224 × 224 и требует 15,2 GMACs на проход. Модель принимает изображения и выдаёт классы ImageNet-1k; также её можно применять для извлечения карт признаков и эмбеддингов. Карточка не указывает отдельную специализацию по языкам или предметным областям. Веса распространяются по лицензии Apache-2.0.

Экспериментальный чекпойнт языковой модели Qwen3-4B, дообученный командой agurung методом обучения с подкреплением OpenRLHF GRPO. Обучение применялось непосредственно к Qwen/Qwen3-4B-Instruct-2507 без предварительного SFT для этого запуска; сохранённый чекпойнт соответствует шагу 4 и в этом эксперименте показал лучший результат по pass@8. Модель предназначена для генерации кода и решения задач программирования. Обучение и проверка проводились на задачах cobalt-train, которые базовая модель решала не более чем в 2 из 64 попыток; сигналом вознаграждения служила проверка корректности кода тестами. Чекпойнт построен на плотной архитектуре Qwen3ForCausalLM, содержит 3,7 млрд параметров, принимает текст и поддерживает контекст до 262 144 токенов. В карточке не приведены численные метрики качества на контрольной выборке, поэтому результат pass@8 характеризует только сравнение чекпойнтов данного запуска. Модель распространяется в формате safetensors; сведения о лицензии в предоставленных данных отсутствуют.

Карточка модели sh2nd/codegemma-1.1-2b-fix на Hugging Face совпадает с карточкой google/codegemma-1.1-2b, поэтому описание составлено по ней. CodeGemma 1.1 2B — компактная языковая модель для работы с кодом, разработанная Google на основе Gemma. Это предварительно обученная декодерная модель с 2 млрд параметров, предназначенная прежде всего для быстрого автодополнения кода. Она поддерживает заполнение пропусков между префиксом и суффиксом (fill-in-the-middle) в редакторе кода; на вход также можно подавать текстовые подсказки, а на выходе получать код или текст. Модель обучалась на дополнительных данных, преимущественно на английском языке: коде из открытых репозиториев, математических наборах данных и синтетически созданном коде. Модель подходит для интеграции в IDE и помощи при написании кода. Карточка описывает CodeGemma 2B как вариант для автодополнения, а не для чата или генерации кода по естественно-языковому запросу; эти сценарии в таблице отнесены к другим вариантам семейства. Для скачивания доступны веса в формате Safetensors, библиотека — Transformers. Лицензия — Gemma, использование регулируется условиями Google для Gemma. Как и другие большие языковые модели, CodeGemma может выдавать неверный или неподходящий код; результат следует проверять. В карточке также отмечено, что ограничения наследуются от семейства Gemma.

shpotes/codegen-350M-mono — модель семейства CodeGen от Salesforce Research для генерации программ и синтеза кода. Она использует плотную авторегрессионную архитектуру CodeGenForCausalLM и принимает текстовые спецификации, в том числе описания задач на естественном языке, чтобы продолжать или создавать код. Модель обучалась на данных на естественных и программных языках; заявленный контекст составляет 2048 токенов. Модель подходит для генерации фрагментов кода и прототипов по текстовому описанию. Карточка описывает семейство CodeGen и его исследовательские результаты, но не приводит отдельной оценки качества этой версии на 350 млн параметров. Репозиторий содержит веса PyTorch и распространяется по лицензии BSD 3-Clause.

microsoft/CodeGPT-small-py-adaptedGPT2 — авторегрессионная модель Microsoft на архитектуре GPT-2, предназначенная для генерации и автодополнения исходного кода Python. Она опубликована в экосистеме CodeXGLUE, где семейство CodeGPT предназначено для задач завершения и генерации кода. Модель поддерживает текстовую генерацию через Transformers, имеет контекст длиной 1024 токена и использует 12 слоёв, 12 attention-голов и размер скрытого представления 768. Это одномодальная текстовая модель без заявленной поддержки естественных языков или других модальностей. Лицензия в доступных источниках не указана.

dbmdz/convbert-base-turkish-cased — модель ConvBERT с учётом регистра для турецкого языка, выпущенная командой MDZ Digital Library Баварской государственной библиотеки. Она предназначена для извлечения контекстных представлений текста и использования в качестве основы для прикладных NLP-задач, например разметки частей речи, распознавания именованных сущностей и ответов на вопросы. Архитектура ConvBERT улучшает BERT с помощью динамической свёртки по фрагментам; модель содержит 137,8 млн параметров и рассчитана на контекст до 512 токенов. Модель предварительно обучена на турецком корпусе объёмом 35 ГБ, включающем отфильтрованный и разбитый на предложения OSCAR, Википедию, корпуса OPUS и специальный корпус. Для загрузки используется Transformers. Лицензия — MIT, допускающая широкое использование с соблюдением её условий.

ConvNeXt Large — сверточная модель классификации изображений, опубликованная авторами статьи «A ConvNet for the 2020s» и доступная в библиотеке timm. Она предварительно обучена на ImageNet-22k и может использоваться для классификации изображений, извлечения карт признаков и получения эмбеддингов изображений. Модель содержит около 229,8 млн параметров; указанное для неё разрешение изображений — 224 × 224 пикселя. Репозиторий предоставляет веса в форматах PyTorch и safetensors. Лицензия — Apache-2.0. Модель предназначена для задач компьютерного зрения общего назначения. Карточка не описывает поддержку иных модальностей или языков; практическое качество зависит от предметной области и соответствия входных изображений обучающим данным ImageNet-22k.

C-RADIOv2-H — модель NVIDIA для извлечения признаков изображений. Она использует архитектуру Vision Transformer и выдаёт тензоры эмбеддингов: сводный вектор, представляющий изображение целиком, и пространственные признаки с локальной информацией. Вариант H содержит 653 млн параметров. Модель предназначена для разработчиков, которые используют её признаки в последующих системах компьютерного зрения: для классификации и отбора изображений, семантической сегментации, оценки глубины и интеграции в модели «зрение — язык». На вход подаются RGB-изображения; поддерживаются разрешения до 2048×2028 с шагом 16 пикселей. Для применения эмбеддингов требуется downstream-модель. В README указано, что модель подходит для коммерческого и некоммерческого использования. Применение ограничено условиями NVIDIA Open Model License Agreement.

d3LLM-LLaDA — диффузионная языковая модель, разработанная авторами проекта d3LLM. Она получена дообучением GSAI-ML/LLaDA-8B-Instruct методом дистилляции псевдотраекторий, который помогает модели раньше определять токены, готовые к декодированию. Для генерации применяется многоблочное декодирование на основе энтропии с обновлением KV-кэша. Модель предназначена для быстрой генерации текста, особенно в задачах программирования и математических рассуждений. В README заявлено ускорение в 5 раз относительно Qwen-2.5-7B-it на GPU H100 и в 3,5 раза на A100; результат зависит от оборудования и режима инференса. По карточке и метаданным это диалоговая модель семейства LLaDA с 8 млрд параметров, принимающая текст и выдающая текст. Поддерживаемые языки и длина контекста в доступных данных не описаны. Репозиторий распространяется по лицензии Apache-2.0. Для запуска README рекомендует официальный код d3LLM и его зависимости; модельный репозиторий содержит веса в формате safetensors.

Data2Vec Audio — это модель автоматического распознавания речи, разработанная Meta под именем facebook/data2vec-audio-base-960h и преобразованная в формат GGUF для использования с CrispASR. Модель предназначена для транскрибации англоязычных аудиозаписей и совместима с backend wav2vec2 в CrispASR. Архитектура включает сверточный экстрактор признаков в стиле wav2vec2 с 7 слоями и размерностью 512, 12-слойный Transformer с размерностью 768 и 12 attention heads, а также CTC-head. Модель содержит около 95 млн параметров. Она прошла self-supervised pre-training на LibriSpeech объёмом 960 часов и последующее обучение с CTC loss. Поддерживается только английский язык. Заявленная частота ошибок составляет 1,89% на LibriSpeech test-clean и 4,07% на test-other. Сильные стороны модели — относительно компактный размер, хорошая точность на англоязычной речи и сохранение результатов исходной Hugging Face-модели в вариантах GGUF с разной точностью, включая F16, Q4_K и Q8_0. Ограничение — специализация только на английском языке; качество на других языках и сценариях в предоставленных данных не указано. Модель распространяется по лицензии Apache 2.0.

DeepSeek-R1-Q4_K_M-layers — пакет для распределённого запуска квантованной модели DeepSeek-R1 в формате GGUF, подготовленный Mesh LLM на основе unsloth/DeepSeek-R1-GGUF. Веса разделены на артефакты по слоям, чтобы объединять память и вычислительные ресурсы нескольких машин в локальном кластере Mesh LLM. Модель предназначена для локального приватного чат-инференса и сценариев, где полный файл модели не помещается на одном компьютере. Её можно подключать через совместимый с OpenAI API Mesh LLM, включая интерфейс `/v1/chat/completions`. Задача из метаданных — генерация текста; семейство — DeepSeek, вариант квантования — Q4_K_M. Пакет рассчитан на распределённый запуск и не является самостоятельной архитектурой модели. README отсылает к карточке исходной модели за сведениями об архитектуре, шаблоне чата, рекомендациях по генерации и лицензии; условия использования в доступных данных не приведены.

DeiT-III — модель классификации изображений из библиотеки timm, основанная на архитектуре Vision Transformer. Авторы статьи предварительно обучили её на ImageNet-22k, а затем дообучили на ImageNet-1k. Модель содержит 22,1 млн параметров и рассчитана на изображения размером 224 × 224 пикселя. Модель предназначена для классификации изображений по категориям ImageNet и может использоваться как визуальная основа для извлечения признаков и эмбеддингов. Она принимает изображения и выдаёт классовые предсказания либо векторные представления. Доступны веса PyTorch и Safetensors; лицензия — Apache-2.0. Карточка не приводит специальные сведения об ограничениях применения или о поддержке конкретных языков.

facebook/dinov3-convnext-base-pretrain-lvd1689m — зрительная модель Meta AI из семейства DINOv3, вариант ConvNeXt Base с 89 млн параметров. Она обучена на веб-данных LVD-1689M путём дистилляции модели DINOv3 ViT-7B и предназначена для извлечения плотных признаков изображений как основы для задач компьютерного зрения. Модель принимает изображения и выдаёт признаки, пригодные для классификации, поиска похожих изображений, сегментации, оценки глубины и обнаружения объектов. Представления можно применять без дообучения, например с простым классификатором или поиском ближайших соседей; дополнительная настройка может улучшить результаты, но способна усилить смещения, связанные с метками обучения. Модель работает с изображениями разных размеров; для вариантов ViT в карточке указано требование к кратности размера изображения патчу 16, но это ограничение не следует автоматически переносить на ConvNeXt. Карточка отмечает различия качества между географическими регионами и категориями дохода. Указана лицензия DINOv3 License; метаданные Hugging Face классифицируют её как other.

CodonProject публикует веса DINOv3 ViT-B/16 для реализации DINOv3 в библиотеке codon. Это визуальный энкодер на архитектуре ViT с 12 слоями Transformer, двунаправленным вниманием и двумерным axial RoPE; в README указаны скрытый размер 768 и 85,7 млн параметров, а в метаданных Hugging Face — 113,2 млн. Репозиторий содержит преобразованные веса facebook/dinov3-vitb16-pretrain-lvd1689m: ключи переименованы под формат codon, а веса сохранены в float16; модель не дообучалась. README сообщает о численной проверке преобразования относительно реализации Transformers и о поддержке извлечения плотных признаков при разных размерах изображений. Модель предназначена для получения векторных признаков изображений, которые можно использовать в задачах компьютерного зрения, например для поиска и классификации. По умолчанию модель возвращает CLS-вектор размерности 768; также доступны плотные признаки и промежуточные слои. Она принимает изображения и выдаёт векторы признаков. В карточке указана лицензия other; конкретные условия лицензии в предоставленных данных не раскрыты.

zeromodels публикует конверсию модели facebook/dinov3-vits16-pretrain-lvd1689m в формате Keras 3. Это визуальный энкодер DINOv3 на архитектуре ViT-S/16, обученный на наборе LVD-1689M с самоконтролем. Модель возвращает признаки изображений для последующего использования в задачах компьютерного зрения, а варианты ViT также предоставляют register-токены. Модель предназначена для извлечения визуальных признаков, которые можно передавать в отдельные классификаторы и другие downstream-компоненты для классификации, поиска и анализа изображений. Реализация работает с бэкендами TensorFlow, PyTorch и JAX через Keras 3; это базовый энкодер без специализированной головы задачи. Лицензия указана как лицензия DINOv3; исходные веса Facebook доступны на условиях этой лицензии.

Модель abdelkader/distilbert-base-uncased-finetuned-clinc — дообученная версия DistilBERT от команды Hugging Face на датасете clinc_oos для классификации пользовательских запросов по намерениям и распознавания запросов вне известных категорий. Она использует архитектуру DistilBertForSequenceClassification, принимает текст и выдаёт метки классов. На оценочной выборке указана точность 0,9174. Максимальная длина контекста — 512 токенов. Модель подходит для маршрутизации коротких запросов в диалоговых системах и определения намерений пользователя. Модель работает с английским текстом, что следует из uncased-варианта базового DistilBERT и датасета clinc_oos. Репозиторий содержит веса PyTorch; лицензия — Apache-2.0. Карточка не раскрывает подробности обучения и ограничения за пределами оценки на наборе clinc_oos, поэтому качество на других типах запросов не установлено.

distil-whisper/distil-small.en — англоязычная модель распознавания речи, созданная командой Distil-Whisper как дистиллированная версия Whisper small.en. Она использует архитектуру encoder-decoder Whisper: энкодер скопирован из учительской модели, а декодер сокращён до четырёх слоёв и обучен на псевдоразметке и дистилляции знаний. В метаданных указано 153,1 млн параметров; README приводит 166 млн. Репозиторий содержит веса PyTorch, SafeTensors и ONNX. Модель предназначена для транскрибации английской речи, в том числе на устройствах с ограниченной памятью. README сообщает об ускорении до 6 раз относительно Whisper и качестве, близком к нему на тестах вне обучающего распределения; также модель можно использовать как вспомогательную для ускоренного спекулятивного декодирования Whisper. Поддерживается библиотекой Transformers версии 4.35 и новее. Лицензия — MIT. Модель работает только с английской речью. README отмечает, что distil-small.en медленнее некоторых более крупных вариантов Distil-Whisper и уступает Whisper large-v2 по WER; для большинства сценариев авторы рекомендуют distil-medium.en или distil-large-v2.

Hikari07jp/DSpark-Gemma-4-31B-draft — вспомогательная модель для ускорения генерации Google Gemma 4 31B Instruct методом спекулятивного декодирования. Разработчик дообучил модель z-lab/gemma-4-31B-it-DFlash: в корневом варианте используется переобученная основа с вероятностной semi-AR Markov-головой, а в каталоге backbone-only находится вариант без этой головы для совместимости со штатным путём DFlash. Модель содержит 2,6 млрд параметров, построена на архитектуре Qwen3 и поддерживает контекст до 262 144 токенов. Модель предназначена для работы в паре с целевой Gemma 4 31B при генерации чата, кода, математических ответов и результатов для агентных сценариев. По измерениям из карточки, корневой вариант ускоряет генерацию с выборкой на 3,7–6,3% относительно исходной DFlash-модели в указанных тестах; для tool-calling предпочтителен backbone-only. Спекулятивное декодирование заявлено как не влияющее на точность целевой модели. Для корневого варианта требуется пропатченный vLLM 0.24.0; backbone-only работает со штатным путём DFlash и PR #41703. Для указанного пути с FlashAttention требуется KV-кэш bfloat16. Лицензия — Apache-2.0.

ECA-ResNet-T — сверточная модель классификации изображений из библиотеки timm с механизмом Efficient Channel Attention. Она разработана для распознавания объектов на изображениях и может использоваться как основа для извлечения признаков и построения эмбеддингов. Модель содержит 16 млн параметров и требует около 3,4 GMACs; для обучения использовались изображения 256×256, для оценки — 320×320 пикселей. Она обучена на ImageNet-1k с рецептом RandAugment RA2 и опубликована в форматах PyTorch и safetensors. Модель предназначена для классификации изображений общего назначения, а также для получения признаковых карт и эмбеддингов в компьютерном зрении. В README приведено сравнение результатов моделей, но конкретные метрики этой модели в доступном фрагменте отсутствуют. Лицензия — Apache-2.0.

ECA-ResNet-T — сверточная модель для классификации изображений и извлечения признаков, предоставляемая в библиотеке timm. Она использует остаточную архитектуру ResNet с механизмом Efficient Channel Attention, ReLU и трёхслойной начальной частью из свёрток 3×3. Модель содержит 25,6 млн параметров и обучена на ImageNet-1k с рецептом RandAugment RA2; для тестирования в карточке указано разрешение 320×320 пикселей. Модель подходит для определения классов объектов на изображениях, извлечения карт признаков и получения эмбеддингов изображений. Для запуска доступны веса PyTorch и safetensors; библиотека модели — timm. Лицензия — Apache-2.0. Качество и вычислительная нагрузка зависят от разрешения входного изображения и сценария применения. Модель обучена на ImageNet-1k, поэтому карточка не подтверждает специализацию на предметных областях вне этого набора классов.

EfficientFormer-V2 S0 — компактная модель классификации изображений из семейства EfficientFormer, опубликованная командой timm и предварительно обученная с дистилляцией на ImageNet-1k. Она предназначена для классификации изображений и может использоваться как визуальный backbone для извлечения эмбеддингов и карт признаков в задачах компьютерного зрения. Модель содержит около 3,6 млн параметров, рассчитана на изображения размером 224 × 224 и имеет вычислительную стоимость около 0,4 GMAC. В репозитории доступны веса PyTorch и safetensors. Лицензия — Apache-2.0. Компактный размер и мобильная архитектура подходят для сценариев, где важны скорость и экономия ресурсов. Карточка описывает обучение на ImageNet-1k; качество на других наборах данных и поведение при входных размерах, отличных от 224 × 224, отдельно не охарактеризованы.

EfficientNet-B6 — сверточная модель для классификации изображений, представленная Mingxing Tan и Quoc V. Le и обученная на ImageNet-1k. Она определяет, к какому из 1000 классов ImageNet относится изображение; модель рассчитана на входное разрешение 528×528 пикселей. Архитектура — мобильная и вычислительно эффективная ConvNet. EfficientNet масштабирует глубину, ширину и разрешение сети совместно с помощью единого коэффициента. Модель подходит для классификации изображений общего назначения и может служить основой для специализированных версий, дообученных на других задачах. Репозиторий содержит веса PyTorch и распространяется по лицензии Apache-2.0. Обучение на ImageNet-1k задаёт набор из 1000 классов; качество на других предметных областях или при существенно отличающихся условиях съёмки может быть ниже.