II.10Разработка и эксплуатация AI/ML-систем

MobileNet V2 — сверточная модель классификации изображений, разработанная авторами статьи MobileNetV2 и предварительно обученная на ImageNet-1k. Версия 1.0_224 использует множитель глубины 1,0 и рассчитана на входные изображения размером 224 × 224 пикселя; архитектура включает инвертированные остаточные блоки и линейные узкие места. Модель предназначена для отнесения изображения к одному из 1000 классов ImageNet. Компактность, низкая задержка и низкое энергопотребление делают её подходящей для мобильных устройств и других систем с ограниченными ресурсами. MobileNet также можно использовать как основу для дообучения на задачах обнаружения объектов, построения эмбеддингов и сегментации. Репозиторий содержит веса PyTorch и Safetensors. В карточке указана лицензия other, поэтому точные условия использования следует проверять в файлах лицензии репозитория. Модель обучалась на ImageNet-1k и рассчитана на изображения с разрешением 224 × 224; её классификация ограничена набором из 1000 классов ImageNet.

mobilenetv4_conv_small_050.e3000_r224_in1k — модель классификации изображений семейства MobileNetV4, обученная Россом Уайтманом на ImageNet-1k с использованием скриптов timm и гиперпараметров, основанных на статье MobileNetV4 с улучшениями timm. Это компактная сверточная модель с примерно 2,2 млн параметров и вычислительной сложностью около 0,1 GMACs; обучалась на изображениях 224×224, для проверки указано разрешение 256×256. Модель предназначена для классификации изображений, а также может использоваться как визуальный backbone для извлечения карт признаков и эмбеддингов. Компактный размер делает её подходящей для задач компьютерного зрения с ограниченными вычислительными ресурсами. В README отмечено, что это одни из немногих доступных весов MobileNetV4, а официальные веса TensorFlow на момент публикации не выпущены. Модель опубликована в форматах PyTorch и safetensors и распространяется по лицензии Apache-2.0. Обучение проводилось на ImageNet-1k; характеристики точности именно этой версии в приведённом фрагменте README не указаны.

MobileNetV4 Conv Small — сверточная модель классификации изображений из семейства MobileNetV4, опубликованная Россом Уайтманом в библиотеке timm. Она обучена на ImageNet-1k с использованием скриптов timm и гиперпараметров, основанных на статье MobileNetV4 с доработками timm. Модель содержит около 3,8 млн параметров и предназначена для классификации изображений и использования в качестве визуального backbone; также доступны извлечение карт признаков и эмбеддингов изображений. Модель рассчитана на изображения размером 224 × 224 при обучении и 256 × 256 при тестировании. Веса представлены в форматах PyTorch и Safetensors; лицензия — Apache-2.0. В карточке указано, что официальные веса моделей TensorFlow пока не выпущены, а описанный набор весов является единственным известным для MobileNetV4 на момент публикации карточки.

MobileNetV4 Hybrid Medium — модель классификации изображений и извлечения признаков, обученная Россом Уайтманом с помощью timm на ImageNet-1k. Это гибридная архитектура семейства MobileNetV4; в чекпойнте около 11,1 млн параметров и 1,0 GMAC на изображение. Размер изображения при обучении — 224 × 224 пикселя, при тестировании — 256 × 256. Модель подходит для классификации изображений по категориям ImageNet-1k, использования в качестве визуального бэкбона и извлечения карт признаков или эмбеддингов. Компактный размер и вычислительная стоимость рассчитаны на сценарии, где важна эффективность на мобильных и других ограниченных по ресурсам устройствах. В README указано, что это известные на данный момент веса MobileNetV4; официальные веса TensorFlow-моделей не выпущены. Модель опубликована в форматах PyTorch и safetensors и предназначена для использования с библиотекой timm. Лицензия — Apache-2.0. Карточка не приводит сведений о точности именно этого чекпойнта; приведённая в ней сравнительная таблица относится к другим вариантам модели.

MobileOne-S0 — компактная модель классификации изображений из семейства MobileOne, обученная авторами статьи на ImageNet-1k и опубликованная в репозитории timm. Она предназначена для распознавания объектов на изображениях и может использоваться как визуальный backbone для извлечения карт признаков и эмбеддингов. Модель содержит около 5,3 млн параметров, требует 1,1 GMAC на изображение и рассчитана на вход размером 224 × 224 пикселя. MobileOne разработана для эффективного выполнения задач компьютерного зрения, в том числе в сценариях с ограниченными вычислительными ресурсами. Репозиторий предоставляет веса PyTorch и SafeTensors. В метаданных Hugging Face указана лицензия other; README просит соблюдать исходную лицензию, поэтому условия использования следует сверять с лицензией оригинальной модели.

Modern MobileNetV1 — компактная модель классификации изображений на основе архитектуры MobileNetV1, опубликованная пользователем kd13. Она предназначена для классификации на периферийных и мобильных устройствах, встроенных системах, роботах и в низколатентных сервисах. Модель использует глубинно-разделимые свёртки, активации SiLU, нормализацию GroupNorm(1, C) с вычислениями FP32 и обучаемое масштабирование остаточных связей. Для Tiny-ImageNet с разрешением 64 × 64 указаны точность Top-1 44,38% и Top-5 67,26%. Репозиторий содержит веса в формате safetensors; лицензия — MIT.

NOESIS-Qwopus3.5-0.8B-v3-Inspector-MLX — компактная разговорная модель AMAImedia для лёгкой проверки, валидации, контроля маршрутизации и оценки качества работы агентов. Это специалист платформы автоматизации многоязычного дубляжа NOESIS; модель построена на архитектуре Qwen3.5 и содержит около 0,8 млрд параметров. Модель предназначена для коротких проверок и компактных вердиктов в локальных сценариях, например при предварительной проверке результатов и контроле качества агентов. Для сложных рассуждений, длинного контекста и итоговых решений по дубляжу README рекомендует использовать более крупные модели NOESIS. Семейство заявляет поддержку 201 языка и диалекта, однако качество может различаться между языками и требует отдельной проверки. Репозиторий содержит веса safetensors в формате MLX; запуск через mlx-lm рассчитан на macOS с Apple Silicon. README указывает, что веса занимают около 1,50 ГБ, а практическая длина контекста зависит от доступной объединённой памяти и задержки. Лицензия в предоставленных данных не указана.

Falconsai/nsfw_image_detection — модель классификации изображений на основе Vision Transformer (ViT), разработанная Falconsai и дообученная на базе google/vit-base-patch16-224-in21k. Она различает два класса: обычное изображение и NSFW-контент. В карточке указано, что обучение проводилось на наборе из 80 тысяч изображений; архитектура ViT использует изображения размером 224×224 пикселя. Модель рассчитана на автоматическую фильтрацию изображений в системах модерации и безопасности контента. Модель принимает изображение и выдаёт метку класса. Она подходит для первичной сортировки и фильтрации, но предсказания могут ошибаться, поэтому для чувствительных решений нужна проверка качества на целевых данных и подходящий порог классификации. Лицензия — Apache-2.0.

Карточка модели aomujohn/nsfw-image-detection-384 на Hugging Face совпадает с карточкой Marqo/nsfw-image-detection-384, поэтому описание составлено по ней. Marqo/nsfw-image-detection-384 — компактная модель классификации изображений от Marqo, предназначенная для выявления материалов NSFW. Она принимает изображения размером 384×384 пикселя и использует патчи 16×16 пикселей. По заявлению разработчика, модель примерно в 18–20 раз меньше других открытых моделей такого назначения и достигла точности 98,56% на собственной тестовой выборке. Модель обучена на проприетарном наборе из 220 тысяч изображений: по 100 тысяч примеров NSFW и SFW для обучения и по 10 тысяч каждого класса для тестирования. Данные включают фотографии, рисунки, мемы и изображения, созданные ИИ. Порог вероятности NSFW можно настраивать, балансируя точность и полноту. Модель распространяется по лицензии Apache-2.0.

Marqo/nsfw-image-detection-384 — компактная модель классификации изображений от Marqo, предназначенная для выявления материалов NSFW. Она принимает изображения размером 384×384 пикселя и использует патчи 16×16 пикселей. По заявлению разработчика, модель примерно в 18–20 раз меньше других открытых моделей такого назначения и достигла точности 98,56% на собственной тестовой выборке. Модель обучена на проприетарном наборе из 220 тысяч изображений: по 100 тысяч примеров NSFW и SFW для обучения и по 10 тысяч каждого класса для тестирования. Данные включают фотографии, рисунки, мемы и изображения, созданные ИИ. Порог вероятности NSFW можно настраивать, балансируя точность и полноту. Модель распространяется по лицензии Apache-2.0.

NVIDIA Nemotron-3.5-Lightning-30B-A3B-NVFP4-DSpark — специализированная модель NVIDIA для speculative decoding, предназначенная для ускорения развертывания семейства Nemotron-3.5-Lightning-30B-A3B. Она используется как DSpark-модуль совместно с основной моделью, а не как самостоятельный целевой checkpoint. Модель ориентирована на задачи рассуждений, чат-диалоги, RAG и агентские сценарии, где важна низкая задержка, включая развертывание на DGX Spark и GPU в центрах обработки данных с невысокой конкурентностью запросов. Модель принимает и генерирует текст. Архитектура DSpark включает Dense FFN MLP и GQA Attention; используется причинное grouped-query attention со скользящим окном размером 1024 и bias для attention sink на всех слоях. Всего модель содержит 967 млн параметров, из которых 615 млн являются неэмбеддинговыми. Поддерживаются контексты длиной до 1 млн токенов и английский, испанский, французский, немецкий, итальянский и японский языки. Выход может включать обычные ответы, трассы рассуждений, содержимое вызовов инструментов и структурированные данные в зависимости от шаблона чата и интеграции приложения. Модель квантизована с помощью NVIDIA Model Optimizer 0.45.0 и предназначена для работы с vLLM на системах NVIDIA Blackwell, включая DGX Spark с GB10, а также NVIDIA Hopper; предпочтительная операционная система — Linux. Ограничения связаны с тем, что это checkpoint для DSpark-assisted serving, поэтому для полноценного использования требуется совместимая основная модель и соответствующая инфраструктура. Перед внедрением необходимы тестирование на данных конкретного сценария и проверка безопасности. Использование разрешено для коммерческих и некоммерческих целей на условиях лицензии OpenMDW-1.1.

hirundo-io/NVIDIA-Nemotron-3-Nano-30B-A3B-BF16-hardened — дообученная и объединённая с LoRA-адаптером версия NVIDIA Nemotron 3 Nano 30B, подготовленная для снижения уязвимости к prompt injection. Модель предназначена для диалоговой генерации текста; карточка указывает поддержку чата, а архитектура и языковые возможности унаследованы от базовой модели NVIDIA. Модель основана на nvidia/NVIDIA-Nemotron-3-Nano-30B-A3B-BF16 и распространяется в формате safetensors для Transformers. Веса адаптера уже объединены с базовой моделью. Для загрузки включён пользовательский код базового чекпойнта, поэтому требуется trust_remote_code=True. Лицензия и отдельные результаты оценки устойчивости в предоставленных данных не указаны.

OctoThinker/OctoThinker-8B-Hybrid-Base — базовая плотная языковая модель для генерации текста, разработанная на основе Meta Llama 3.2 3B и дообученная на наборах MegaMath и MegaMath-Web-Pro-Max. Семейство OctoThinker создавалось с учётом результатов исследований промежуточного обучения и предназначено для дальнейшего обучения с подкреплением; приведённая оценка базовых моделей использует few-shot prompting. Модель имеет архитектуру LlamaForCausalLM, содержит 7,5 млрд параметров и поддерживает контекст до 131 072 токенов. В карточке указан английский язык, формат весов — safetensors, лицензия — llama3.2. Она подходит как основа для экспериментов и систем генерации текста, особенно при разработке моделей, обучаемых с подкреплением. README содержит результаты оценки, но не приводит их численные значения; специальных ограничений применения карточка не описывает.

OPT-350M — авторегрессионная языковая модель семейства OPT, разработанная Meta AI. Это плотный декодерный Transformer с примерно 454,1 млн параметров, обученный предсказывать следующий токен на основе предыдущего текста. Доступны версии весов для PyTorch, TensorFlow и JAX/Flax; максимальная длина контекста составляет 2048 токенов. Модель предназначена для генерации текста и исследований языковых моделей, включая оценку задач через промпты. Её можно дообучить для прикладных задач. Обучающий корпус состоял преимущественно из английских текстов, с небольшим количеством неанглоязычных данных из CommonCrawl, поэтому основное применение — работа с английским языком. Модель может воспроизводить предвзятость обучающих данных, выдавать фактически неверные ответы и иметь ограничения в разнообразии генерации. В метаданных указана лицензия `other`; конкретные условия следует сверить с лицензией и документацией репозитория.

Opus Moderation 1 — англоязычный классификатор модерации текста от opus-research, дообученный на answerdotai/ModernBERT-base. Модель на 149 млн параметров использует архитектуру ModernBERT для классификации последовательностей и выдаёт семь оценок токсичности и оскорбительного содержания, а также оценку попыток jailbreak. Контекст модели — до 8192 токенов, однако обучение проводилось на последовательностях длиной 192 токена, а длинные входы обрезаются. Модель предназначена для автоматической проверки комментариев и сообщений, выявления токсичности, угроз, оскорблений, атак на идентичность и попыток обхода ограничений LLM. Она обучалась на Civil Comments с мягкими метками доли голосов аннотаторов и на Toxic-Chat с метками jailbreak. На отложенных данных качество различается по меткам: например, F1 для токсичности составляет 0,694, а для оскорблений — 0,706. По заявленным проверкам, доля ложных срабатываний на реальных безвредных комментариях с упоминанием идентичности составила 3%. Модель распространяется под лицензией Apache-2.0. Карточка помечает её как заменённую версией Opus Moderation 2 и рекомендует v2 для обычного использования. Ограничения включают ненадёжную метку severe_toxicity (F1 0,10), полноту обнаружения jailbreak 0,50 при пороге 0,5, остаточную предвзятость к отдельным упоминаниям идентичности и ожидаемое снижение качества вне английских комментариев и чатов.

Prometheus-Vision 13B — открытая зрительно-языковая модель на архитектуре LLaVA с 12,9 млрд параметров, разработанная для оценки ответов с учётом изображений. На вход она принимает изображение, инструкцию, проверяемый ответ, пользовательскую шкалу оценивания и эталонный ответ; на выходе формирует текстовую обратную связь и решение о балле по критериям. Модель рассчитана на английский язык и использует контекст до 4096 токенов. Модель предназначена для автоматизированной оценки ответов на визуальные вопросы и других сценариев, где ответ нужно сопоставить с изображением, эталоном и заданной рубрикой. В README заявлена высокая корреляция оценок с GPT-4V и человеческими оценщиками. Репозиторий предоставляет веса PyTorch для Transformers; лицензия Apache 2.0.

Qwen1.5-110B — базовая плотная языковая модель из серии Qwen1.5, разработанной командой Qwen. Это бета-версия семейства Qwen2: авторегрессионная модель-декодер на архитектуре Transformer с 110 млрд параметров, предназначенная для дальнейшего дообучения и экспериментов с генерацией текста. В карточке модели указаны поддержка контекста до 32 768 токенов и формат весов Safetensors. Модель подходит для генерации и продолжения текста, а также как основа для постобучения под диалоговые сценарии с помощью SFT, RLHF или дополнительного предобучения. Семейство поддерживает несколько языков; метаданные этой карточки отмечают английский. В архитектуре семейства используются активация SwiGLU и смещение в проекциях QKV; для версии 110B также заявлен grouped-query attention. Для запуска рекомендуется Transformers версии 4.37.0 или новее, и не требуется включать trust_remote_code. Авторы не рекомендуют использовать базовую модель напрямую для генерации текста и советуют сначала провести постобучение. Лицензия в метаданных обозначена как other, поэтому конкретные условия использования следует сверять с лицензией репозитория.

Это дообученный черновой чекпойнт EAGLE3 для ускорения генерации текста методом спекулятивного декодирования вместе с целевой моделью Qwen/Qwen3-1.7B. Модель обучена с помощью SpecForge; указаны девять эпох, шаг 435000 и архитектура LlamaForCausalLMEagle3 с размером скрытого слоя 2048. Веса представлены в формате safetensors, тип данных — bfloat16. Чекпойнт предназначен для SpecForge и совместимого кода EAGLE3: он предлагает черновые токены для проверки целевой моделью. Самостоятельно генерировать текст он не предназначен; эмбеддинги целевой модели загружаются отдельно. Контекстная длина в метаданных — 40960 токенов. В карточке указаны английский и китайский языки, лицензия обозначена как other.

PLJIANGG05 выпустил дообученную на базе Qwen/Qwen3.5-4B модель для классификации пользовательского ввода по меткам SAFE и UNSAFE. Это текстовый классификатор на архитектуре Qwen3.5 с плотными весами; репозиторий содержит объединённую BF16-модель и исходные тензоры LoRA. Для вывода применяется сравнение условных логарифмических правдоподобий двух меток с фиксированными параметрами калибровки и порогом проверки. Модель предназначена для предварительной сортировки запросов по признаку опасного намерения в системах модерации и безопасности. В обучающих данных есть английский и китайский текст, однако приведённое расширенное сравнение выполнено только на английском и не подтверждает качество на китайском или других языках. Классификация ограничена текстовым вводом; сохранение мультимодальной архитектуры Qwen не означает поддержку проверки изображений или видео. Максимальный контекст классификатора — 1 024 токена; при превышении длины текст обрезается, что может удалить важные для оценки сведения. Автор характеризует модель как исследовательский классификатор, а не универсального ассистента или независимо сертифицированную систему безопасности. Метка SAFE не гарантирует безвредность запроса или последующего ответа; опубликованные оценки не основаны на новом слепом тестовом наборе. Лицензия — CC-BY-NC-4.0, допускающая использование с указанием авторства и ограничивающая коммерческое применение.

mp-juuuns/qwen35-standalone4l-classification-base — компактная текстовая основа для создания пользовательских классификаторов, опубликованная mp-juuuns на базе Qwen3.5-0.8B. Это плотная четырёхслойная модель Qwen3.5TextModel с чередованием линейного и полно-внимательного слоёв; она принимает текст и выдаёт представления, но не содержит классификационной головы и готовых меток. Для классификации нужно добавить голову и дообучить модель на размеченных данных. Веса получены дистилляцией и сокращением глубины исходной модели, а затем выполнено сопоставление токенизатора с уменьшенным словарём на 128 000 токенов. Модель рассчитана на многоязычный ввод, однако качество классификации на других языках, кроме английского, не проверено. Контекстное окно составляет 262 144 токена. В README приведены результаты на одной задаче и одном наборе условий; они исследовательские и не подтверждают качество в других сценариях. Лицензия — Apache-2.0.

Qwen3.8-27B-DSpark — черновая модель RadixArk для спекулятивного декодирования целевых моделей Qwen3.8-27B. Чекпойнт обучен с помощью SpecForge и предназначен для обслуживания через SGLang; он предсказывает кандидаты продолжения, которые целевая модель проверяет, ускоряя генерацию без замены самой целевой модели. В метаданных указано 2,9 млрд параметров, а README сообщает о 1,86 млрд черновых параметров; архитектура включает пять слоёв с полным вниманием, GQA, Markov head ранга 256 и контекст до 262 144 токенов. Модель рассчитана на ускорение генерации текста, в том числе кода и решений математических задач, при совместном запуске с целевой Qwen3.8-27B. README приводит результаты проверок на двух целевых моделях и тесты пропускной способности в SGLang; скорость зависит от целевой модели, аппаратуры, нагрузки и настроек обслуживания. Это не самостоятельная модель для генерации ответов: требуется совместимая целевая модель и среда обслуживания. Лицензия в метаданных обозначена как other, конкретные условия использования следует проверять в карточке модели.

0xWhiteMage разработал черновую модель Qwen3.8-27B-Kearuga-DFlash2 для ускорения генерации целевой модели Qwen3.8-27B методом спекулятивного декодирования. Это плотная архитектура семейства Qwen3 с классом DFlash2DraftModel; несмотря на обозначение 27B в названии, в метаданных указано 2,9 млрд параметров. Модель дообучена на выходах Kearuga и откалибрована по активациям целевой модели. Она принимает текст и предлагает черновые продолжения, которые целевая модель проверяет при генерации. Указаны контекст 262 144 токена и поддержка английского и китайского языков. Модель предназначена для совместной работы с Qwen3.8-27B в SGLang. По замерам автора на NVIDIA DGX Spark с Blackwell NVFP4-вариант был в 2,5 раза компактнее BF16-черновика и обеспечивал прирост скорости генерации; точные результаты зависят от оборудования и конфигурации. Черновик настроен на Kearuga: совместимость с другими вариантами Qwen3.8-27B архитектурно возможна, но не проверена. Для NVFP4 требуется GPU NVIDIA Blackwell и поддержка modelopt_fp4 в SGLang. Наблюдаются расхождения продолжений при близких значениях вероятностей, хотя целевую модель при проверке токенов не меняют. Лицензия — Apache-2.0.

RationalRewards — модель оценки изображений, разработанная исследователями HKUST, Университета Ватерлоо и Alibaba. На основе Qwen3-VL-Instruct-8B она анализирует изображения, формирует многомерные критические замечания и выставляет оценки для задач генерации изображений по тексту и редактирования изображений. Модель предназначена для оценки соответствия изображения инструкции, визуального качества, композиции и правдоподобия. Её можно применять как источник структурированных сигналов вознаграждения при обучении генераторов с RL, а также для цикла Generate-Critique-Refine: критика результата используется для целевого уточнения промпта без изменения параметров генератора. В метаданных указаны архитектура Qwen3-VL, 8B-базовая модель Qwen3-8B, библиотека Transformers и формат safetensors; README описывает английский язык. В README сообщается о сильных результатах в прогнозировании предпочтений и улучшении генерации, но численные гарантии качества для конкретных задач не приводятся. Модель оценивает и критикует изображения, а не генерирует их самостоятельно. Лицензия — Apache-2.0.

regnety_002.pycls_in1k — модель классификации изображений семейства RegNetY, представленная авторами статьи и доступная в библиотеке timm. Она предварительно обучена на ImageNet-1k и предназначена для распознавания объектов на изображениях, извлечения карт признаков и получения эмбеддингов. Модель содержит 3,2 млн параметров, требует изображение размером 224 × 224 пикселя и имеет вычислительную сложность около 0,2 GMAC. Реализация timm поддерживает стохастическую глубину, контрольные точки градиентов и настройку выходного шага. Модель подходит как компактная основа для классификации изображений и визуальных конвейеров, которым нужны карты признаков или эмбеддинги. Карточка указывает лицензию MIT. Оценки качества для этой конкретной версии в приведённой карточке не указаны.

RegNetY-16GF — модель классификации изображений и извлечения визуальных признаков, разработанная Ross Wightman и обученная в библиотеке timm. Она предварительно обучена на ImageNet-12k, а затем дообучена на ImageNet-1k. Модель содержит 83,6 млн параметров; для обучения указано разрешение 224×224, для тестирования — 288×288 пикселей. Модель предназначена для классификации изображений по категориям ImageNet и может использоваться как основа для извлечения карт признаков и эмбеддингов изображений. Реализация timm включает стохастическую глубину и настраиваемый выходной stride, активации и нормализацию. Доступны веса в форматах PyTorch и Safetensors. Лицензия — Apache-2.0.

RegNetZ B16 — модель классификации изображений из библиотеки timm, обученная Россом Уайтманом на ImageNet-1k. Архитектура использует блоки с инвертированным узким местом и линейными выходами блоков; вариант B16 имеет групповую ширину 16 и вычислительную сложность около 1,5 GFLOPs при размере изображения 256×256. Модель содержит около 9,7 млн параметров. Модель предназначена для присвоения изображению метки класса из набора ImageNet-1k. Её также можно использовать как основу для извлечения карт признаков и эмбеддингов изображений. В карточке указаны размер обучения 224×224 и тестирования 288×288; лицензия — Apache-2.0.

repghostnet_080.in1k — компактная модель классификации изображений семейства RepGhostNet, обученная авторами статьи на ImageNet-1k. Она также может использоваться как основа для извлечения карт признаков и визуальных эмбеддингов. Модель содержит 3,3 млн параметров, требует около 0,1 GMAC на изображение и рассчитана на входной размер 224 × 224 пикселя. Архитектура RepGhostNet использует аппаратно-эффективный Ghost-модуль с репараметризацией. Модель предназначена для классификации изображений общего назначения и может служить лёгким визуальным backbone. Репозиторий распространяется по лицензии MIT. Качество и классы распознавания ориентированы на ImageNet-1k; другие наборы классов требуют соответствующей адаптации.

Res2Net-50 26w 8s — модель классификации изображений и извлечения признаков на основе многомасштабной архитектуры Res2Net, опубликованная авторами статьи и представленная в библиотеке timm. Она обучена на ImageNet-1k и рассчитана на обработку изображений размером 224 × 224 пикселя. В модели около 48,4 млн параметров; вычислительная сложность составляет 8,4 GMACs. Модель подходит для классификации изображений по классам ImageNet-1k, извлечения карт признаков и получения векторных представлений изображений. Многомасштабная структура Res2Net позволяет строить признаки на нескольких масштабах внутри блока сети. В карточке указаны веса PyTorch и safetensors. Лицензия в предоставленных данных не определена.

Res2Net-50 48w 2s — модель классификации изображений и извлечения визуальных признаков, разработанная авторами статьи Res2Net. Она обучена на ImageNet-1k и предназначена для классификации изображений, получения карт признаков и визуальных эмбеддингов. Модель реализована на PyTorch и доступна через timm; содержит 25,3 млн параметров, рассчитана на изображения размером 224 × 224 и требует около 4,2 GMAC на изображение. Многомасштабная архитектура Res2Net расширяет подход ResNet для извлечения признаков на нескольких масштабах. Модель подходит как готовый классификатор ImageNet-1k и как визуальная основа для последующих компьютерно-зрительных задач. Карточка не сообщает отдельную лицензию, поэтому условия использования следует уточнить у автора или в репозитории.

ResNet-152 v1.5 — сверточная нейросеть Microsoft для классификации изображений, предобученная на ImageNet-1k. Модель использует остаточные связи и блоки bottleneck; вариант v1.5 переносит операцию уменьшения разрешения на свёртку 3×3 в блоках с понижением разрешения. В README указано входное разрешение 224×224. Репозиторий предоставляет веса в форматах PyTorch, Safetensors и TensorFlow. Модель предназначена для отнесения изображения к одному из 1000 классов ImageNet и может служить базой для дообученных вариантов под другие задачи компьютерного зрения. Она принимает изображения и выдаёт метки классов. Распространяется по лицензии Apache-2.0. README отмечает, что v1.5 может быть немного точнее оригинального варианта, но иметь небольшое снижение скорости обработки.