IV.9Медиа, журналистика, культура, архивы и игры

DatedGPT-2017 — базовая предварительно обученная языковая модель семейства point-in-time от разработчиков организации datedgpt. Это плотная авторегрессионная модель на архитектуре LlamaForCausalLM с примерно 1,3 млрд параметров и контекстом 2048 токенов. Она обучена только на данных, доступных до 2017 года, и предназначена для генерации продолжений текста и прогнозирования без смещения из-за использования будущих данных. Модель подходит для анализа и прогнозирования, где важно воспроизвести информационный контекст до 2017 года. Это базовая модель без дообучения для следования инструкциям: она генерирует продолжения, но не рассчитана на диалоговый режим или выполнение инструкций. В README не приведены условия лицензии.

google/ddpm-cat-256 — модель генерации изображений методом Denoising Diffusion Probabilistic Models (DDPM), опубликованная Google и реализованная для библиотеки Diffusers. Она предназначена для безусловной генерации изображений кошек размером 256 × 256 пикселей: на вход подаётся случайный шум, а на выходе получается изображение без текстового запроса или условия. Модель основана на диффузионном подходе, который постепенно удаляет шум; для генерации можно использовать дискретные планировщики шума из Diffusers, включая DDPM, DDIM и PNDM. Карточка описывает общий подход DDPM и приводит результаты исходной статьи для CIFAR-10 и LSUN; эти результаты не являются оценкой именно этой модели. Репозиторий содержит веса в формате Diffusers с PyTorch и safetensors. Лицензия — Apache-2.0.

balazsthomay/ddpm-wikiart-finetuned-butterflies-2epochs — модель диффузии, дообученная на изображениях бабочек и произведениях WikiArt. Карточка представляет её как пример для второго раздела курса по диффузионным моделям; для генерации используется библиотека Diffusers и конвейер DDPMPipeline. Модель предназначена для безусловной генерации изображений: вызов конвейера создаёт изображение без текстового описания в качестве входа. По названию репозитория обучение длилось два эпоха. Модель распространяется в формате Diffusers с весами safetensors по лицензии MIT.

Mapika/decider-2b-vision — дообученная модель Mapika на базе мультимодальной Qwen3.5-2B-Base. Она принимает изображение и текстовый вопрос с вариантами ответа либо текстовый вопрос без изображения, затем за один проход вычисляет вероятности вариантов в специальной позиции ответа. Модель предназначена для классификации, принятия решений и выбора действий по изображениям; генерацию текста она не выполняет. Модель построена на плотной архитектуре Qwen3.5 с 2 млрд параметров и распространяется в формате Safetensors по лицензии Apache-2.0. В обучении использовались игровые кадры, задачи с изображениями из набора The Cauldron и текстовая смесь; дополнительно модель обучали с подкреплением на кадрах Pong и Breakout. README сообщает о результатах на игровых кадрах и Visual7W, но калибровка проверялась только на перечисленных наборах данных. Модель подходит для выбора ответа из заданных вариантов, визуальной классификации и управления агентом по игровым кадрам. Она рассчитана на английский язык и не является чат-моделью или инструментом для создания описаний изображений. Перенесённые текстовые веса основаны на decider-2b v5, поэтому текстовое поведение и обработка воздержания соответствуют этой версии.

DongPo — это разговорная языковая модель для ролевого общения от QingYuYunTu, созданная глубоким дообучением Qwen/Qwen3-8B. Она имитирует манеру и исторические знания китайского поэта и мыслителя Су Ши (Су Дунпо): может обсуждать его стихи, жизнь и взгляды, а также поддерживать многораундовый диалог без отдельной ролевой системной подсказки. Веса уже настроены на роль Су Дунпо; модель рассчитана на генерацию текста на китайском языке. Модель имеет плотную архитектуру Qwen3ForCausalLM и 7,6 млрд параметров. В README заявлены более 20 тысяч примеров для настройки и намеренное ограничение знаний о современных предметах, чтобы поддерживать историческую роль. Лицензия MIT разрешает коммерческое использование, изменение и распространение при сохранении уведомления об авторских правах. Ответы могут содержать исторические неточности, смешивать детали биографий разных литераторов или воспроизводить спорные предания; README не рекомендует использовать их для серьёзных исторических исследований или обучения без проверки специалистом. Для обсуждения современных тем предназначена общая модель.

Модель shadow/duckduck-roast_duck-heywhale разработана shadow в рамках DreamBooth Hackathon совместно с HF CN Community и HeyWhale. Это Stable Diffusion, дообученная методом DreamBooth на изображениях жареной утки для генерации изображений по текстовому описанию; для вызова изученного концепта в запросе используется формулировка «a photo of duckduck roast_duck». Модель распространяется в форматах Diffusers и PyTorch по лицензии CreativeML OpenRAIL-M. Карточка не сообщает размер модели и длину контекста.

EmObserver — мультимодальная модель для анализа эмоций на изображениях, созданная на основе Qwen3-VL-8B-Thinking. Её обучили в четыре этапа: с учителем, с подкреплением GRPO, методом on-policy self-distillation и с дополнительным вознаграждением за согласованность с оценками LLM. Модель принимает одно или несколько изображений и вопрос на естественном языке, а затем выдаёт рассуждение и краткий ответ. Она предназначена для понимания визуальных эмоций, оценки утверждений об эмоциях, классификации эмоций и анализа отдельных изображений или их пар. В README приведены результаты на бенчмарках, включая точность 86,23% на MVEI; результаты могут меняться при других настройках среды и генерации. Модель ориентирована на исследовательскую работу и разработку бенчмарков. Визуальная оценка эмоций субъективна и зависит от культурного и контекстного фона; ответы и объяснения могут быть ошибочными или отражать смещения обучающих данных. Модель не предназначена для диагностики психического здоровья, психологического профилирования, наблюдения или иных решений с высокими ставками. Лицензия — Apache-2.0.

ERAnalyst-Dayo-8B — mengbau разработал как текстовую модель для анализа показателей матчей в Eternal Return и рекомендаций по улучшению игры. Она принимает наблюдаемые игровые метрики и заданные сравнения в формате JSON и формулирует выводы и советы на корейском языке в стиле 다요체. Модель предназначена для анализа данных игроков и сравнения двух персонажей; числовые сравнения рекомендуется предварительно рассчитывать в приложении. Это дообученная на игровых данных Google Gemma 4 E4B Instruct: LoRA-адаптер объединён с весами, исключены компоненты для зрения и аудио, а модель распространяется в формате GGUF с квантованиями Q5_K_M и Q8_0. Название «8B» отражает способ подсчёта размера базовой модели, а не отдельную предварительно обученную модель на 8 млрд параметров. Для запуска требуется llama.cpp с поддержкой Gemma 4. Лицензия указана как Apache 2.0. На 76 регрессионных примерах в Q8_0 осталось 6 ответов с фактическими ошибками; результаты ограничены небольшим набором, значительная часть которого включает малое число матчей, и не гарантируют точность в реальной эксплуатации. Модель не предназначена для других игр или универсальной аналитики; возможны ошибки в сравнении чисел, единицах и трактовке ничьих.

Модель Camillebrl классифицирует английскую речь по предполагаемому родному языку говорящего и относит её к одному из 16 классов: 14 европейским языкам, а также индийскому и вьетнамскому. Она создана полным дообучением Orange/Speaker-wavLM-pro на базе WavLM-large с 316 млн параметров. Архитектура объединяет 25 скрытых состояний, статистический pooling и нормализованный эмбеддинг с классификационной головой AAM-softmax. Модель принимает монофоническое аудио с частотой 16 кГц; для классификации использует скользящие окна по 4 секунды. Лицензия — MIT. Модель предназначена для анализа акцентов в английской речи, в том числе на узкополосных радиозаписях. Авторы обучали её быть устойчивой к изменениям канала и проверяли на дикторах, не встречавшихся в обучении. Лучше агрегировать результаты по нескольким записям одного человека или использовать модель для сравнения групп: метки отдельных фрагментов могут меняться при смене канала, а уверенность модели плохо отражает надёжность ответа. Главная путаница возникает между чешским и словацким; записи короче двух секунд не соответствуют обучающим данным.

Модель dima806/face_emotions_image_detection разработана на основе Vision Transformer ViT и предназначена для классификации эмоций по изображению лица. Это дообученная модель google/vit-base-patch16-224-in21k с архитектурой ViTForImageClassification и 113,2 млн параметров. Модель принимает изображение и выдаёт метку класса эмоции. Подходит для распознавания выражений лица на фотографиях и для прототипов систем анализа мимики. Репозиторий содержит веса в формате safetensors. Модель распространяется по лицензии Apache-2.0.

anonauthors/fgvc_aircraft-swinT — модель компьютерного зрения для классификации изображений, опубликованная на Hugging Face. По идентификатору модели она относится к задаче FGVC Aircraft, то есть к тонкой классификации изображений самолетов. В метаданных указана архитектура Swin; библиотека реализации — Transformers. Модель содержит около 58,7 млн параметров и предназначена для применения в сценариях, где по изображению требуется определить класс или тип воздушного судна. Она может использоваться как готовый классификатор либо как компонент прикладной системы анализа изображений. Поддержка естественных языков для этой модели не заявлена. README не содержит сведений о разработчике, датасете обучения, точности, процедуре оценки, лицензии и рекомендуемых ограничениях использования. Поэтому перед применением в критически важных системах необходимо самостоятельно проверить качество на целевых данных и юридические условия использования.

Модель dbmdz/german-gpt2-faust разработана командой dbmdz как дообученная версия немецкой GPT-2. Её дополнительно обучили на нормализованных текстах трагедий «Фауст I» и «Фауст II» Иоганна Вольфганга Гёте; архитектура — GPT2LMHeadModel, контекст — до 1024 токенов. Доступны версии для PyTorch, Flax и safetensors. Модель предназначена для генерации немецкого текста в стиле корпуса «Фауста», а также может служить отправной точкой для дальнейшего дообучения на других текстах. Карточка приводит пример генерации по заданному текстовому началу. Модель распространяется по лицензии MIT. Авторы отмечают, что это не универсальная модель уровня крупных англоязычных систем. Её обучение на ограниченном литературном корпусе специализирует генерацию на текстах «Фауста» и не гарантирует качество для других жанров и задач.

Ghost Poet — экспериментальная модель генерации стихов, созданная The Leverage на основе GPT-2 с 124 млн параметров. Модель дообучили за одну эпоху на корпусе общественного достояния объёмом 1,44 МБ: стихах Уитмена, Дикинсон, Хопкинса, Блейка, Джибрана, Тисдейл, Россетти и Миллей, а также переводах классической китайской поэзии Артура Уэйли 1918 года. Модель предназначена для генерации поэтического текста в стилистике обучающего корпуса. Контекст составляет 1024 токена. Репозиторий содержит форматы ONNX и safetensors; в README также указано 8-битное квантование для запуска в браузере через transformers.js. Это художественный проект, а не универсальная языковая модель; лицензия — MIT.

GirlsLike-Krea2 — набор адаптеров LoRA/LoKR для генерации изображений людей на базе Krea-2-Raw и Krea-2-Turbo. Модель разработана пользователем ifmylove2011 и предназначена для тестирования авторского подхода к обучению персонажных адаптеров, а не является самостоятельной базовой моделью. Она работает через библиотеку Diffusers в сценариях text-to-image. Адаптеры оптимизированы для воспроизведения внешности определённых людей по имени-триггеру. Для каждого персонажа используется его имя, обычно на китайском языке, а для некоторых персонажей — английский триггер, указанный на примерах. Наиболее подходящими считаются средние и крупные планы; на дальних планах и при разрешении около 1 мегапикселя сходство может быть слабее, хотя увеличение разрешения способно улучшить результат. Рекомендуемый вес LoRA составляет 0,8–1,5, а значения выше 2,0 могут приводить к заметной деформации лица. В большинстве случаев лучше работают английские текстовые запросы, однако для отдельных специфичных китайских понятий может быть полезен китайский язык. Автор отмечает, что понимание китайских запросов всё ещё ограничено. В качестве примера приведена конфигурация с Krea-2-Turbo FP8, 8 шагами, сэмплером Euler, CFG 1 и разрешением 960×1280. Размер модели, число параметров, поддерживаемые модальности помимо текста и изображений, а также максимальная длина контекста не указаны. Лицензия — Apache-2.0; при этом автор отдельно просит не использовать результаты для выдачи себя за другого человека, обмана или иных неправомерных целей.

glassobject-lokr-flux — адаптер LyCORIS типа LoKr для модели генерации изображений FLUX.1-dev, разработанной Black Forest Labs. Адаптер предназначен для создания изображений по текстовому описанию в стиле glassobject, в частности фотографий с преобладающими зелёными и синими акцентами. Он рассчитан на использование с экосистемой Diffusers и базовой моделью FLUX.1-dev. Адаптер обучался в режиме flow matching в течение 5200 шагов на наборе из 894 изображений glassobject с вариантами разрешения 512 и 1024, включая некропнутые и случайно обрезанные квадратные изображения. Для адаптации использовалась конфигурация LoKr, применяемая к модулям Attention и FeedForward; текстовый энкодер не обучался, поэтому при инференсе используется текстовый энкодер базовой модели. В README приведены настройки проверки: 15 шагов, guidance scale 3.0 и разрешение 1024×1024. Модель подходит для стилизации текстовых запросов и генерации SFW-изображений с характерной glassobject-эстетикой. Ограничения связаны с зависимостью от FLUX.1-dev, необходимостью совместимого пайплайна и тем, что адаптер оптимизирован прежде всего под описанный стиль и цветовые акценты. Лицензия указана как other; дополнительные условия использования в README не приведены.

HaikuHermes-0.1-7B — ранняя экспериментальная модель davanstrien для генерации текста и написания хайку с технически корректной формой. Она получена дообучением teknium/OpenHermes-2.5-Mistral-7B методом Direct Preference Optimization на датасете davanstrien/haiku_dpo. Модель использует плотную архитектуру MistralForCausalLM, содержит 7,1 млрд параметров и имеет контекст до 32 768 токенов. Карточка указывает английский язык; репозиторий распространяет веса в формате safetensors по лицензии Apache-2.0. Основной сценарий — создание хайку, в том числе с соблюдением технических требований к форме. Это очень ранняя версия, поэтому стабильность и качество таких стихотворений могут быть ограничены; карточка не приводит оценок качества или подробных инструкций по использованию.

Iambe-RP-DARE-20b — языковая модель для ролевого общения и генерации художественных сцен, созданная путём объединения трёх моделей Iambe-RP. По заявлению автора, объединение призвано улучшить понимание инструкций, анатомии и состояния сцены, сохранив выразительный, человекоподобный стиль. Модель основана на плотной архитектуре Llama с 19,8 млрд параметров и контекстом 4096 токенов; поддерживает формат промптов Alpaca, а также ChatML. Карточка демонстрирует генерацию откровенной эротической прозы. Модель предназначена для ролевых сценариев, написания историй и продолжения художественного текста по инструкциям. В карточке указаны английский язык и лицензия CC BY-NC 4.0, запрещающая коммерческое использование. Автор отмечает стремление повысить связность и исправить типографические ошибки, но не приводит количественных оценок качества; модель может выдавать ошибки и нежелательное содержание.

Indian-history-bot — дообученная на базе HuggingFaceTB/SmolLM2-135M языковая модель, созданная автором репозитория aayaan14 и обученная с помощью TRL. Она предназначена для генерации текста в диалоговом формате и тематически ориентирована на историю Индии. Модель использует плотную архитектуру семейства Llama с примерно 134,5 млн параметров, работает через Transformers и принимает текстовые запросы, выдавая текстовые ответы. Длина контекста составляет 8192 токена. В карточке приведён пример диалоговой генерации ответа, однако подробности обучающих данных и оценок качества не описаны. Лицензия в предоставленных данных не указана.

suaib18 разработал эту модель как дообученную версию IndoBERTweet-base-uncased для классификации тональности текстов на индонезийском языке. Она предназначена прежде всего для анализа публикаций в Twitter/X о государственной программе бесплатного сбалансированного питания MBG и различает три класса: негативный, нейтральный и позитивный. Модель построена на архитектуре BERT и содержит 137,8 млн параметров; длина контекста — до 512 токенов. В описании сообщается о Macro F1 0,8641 на оценке модели. Для обучения использовались индонезийские твиты о MBG с нормализацией текста, а исходные данные не опубликованы. Модель может быть полезна для мониторинга общественного мнения и академических исследований по теме программы MBG. Качество может снижаться на других платформах и темах; сложный сарказм и подразумеваемая тональность не проверялись. Результаты для значимых решений следует проверять человеком. Лицензия — Apache-2.0.

kitsune-tales-e4b-en — англоязычная модель для генерации оригинальной фэнтези-прозы в духе японских аниме и ранобэ. Её разработчик дообучил Gemma 4 E4B Instruct с помощью LoRA SFT и DPO, а затем объединил адаптер с базовой моделью; в репозитории размещены веса Safetensors в формате bf16. Архитектура — плотная Gemma 4 E4B: 7,52 млрд хранимых и 4,62 млрд эффективных параметров. Модель создаёт синопсисы, короткие рассказы и продолжения по жанровым тегам, названию и, для продолжения, исходному фрагменту. Она рассчитана на хобби-писательство и поиск идей, а не на фактические ответы. В README приведены результаты оценки: дообученная версия лучше соблюдала заданную длину, но в сравнении полных текстов судья чаще предпочитал базовую модель; оценки автоматических метрик и LLM-судьи автор считает ориентировочными. Модель предназначена для англоязычного текста. Разработчик сообщает об унаследованных от синтетических обучающих данных клише, возможных повторах, отклонении от заданной длины и ошибках согласованности в длинных историях. Режим thinking ухудшал качество; рекомендуется отключить его. Лицензия — Apache-2.0. Отказы от нежелательных запросов не гарантированы.

Klingon Diffusion — дообученная модель Stable Diffusion, опубликованная пользователем mitchtech. Она обучена на скриншотах клингонов из франшизы «Звёздный путь» с помощью DreamBooth на базе Diffusers; для генерации характерного образа в запросах рекомендуется использовать токен klingon. Модель предназначена для создания изображений по текстовому описанию и используется через Stable Diffusion Pipeline в Diffusers. Модель подходит для генерации изображений персонажей и сцен с клингонами в стилистике исходных обучающих изображений. Репозиторий распространяется в форматах Diffusers и PyTorch по лицензии CreativeML OpenRAIL-M. README также описывает возможность экспорта в ONNX, MPS и FLAX/JAX.

Quiho/Krea2_TextFusion_Refusal-Reduction_LoRA_v1.0_lora — адаптер LoRA версии 1.0 для базовой модели Krea 2, разработанный Capitan01R. Модель предназначена для text-to-image-сценариев и направлена на снижение склонности Krea 2 к отказам и ограничениям при обработке текстовых запросов, сохраняя исходные визуальные знания и поведение модели при формулировании промптов. Это специализированный адаптер rank-64 размером 26,4 МБ. Он работает с текстовым энкодером Qwen-VL и изменяет отдельные слои TextFusion, через которые текстовые признаки передаются в image transformer. Адаптер добавляет низкоранговые остаточные изменения к attention- и MLP-проекциям в заданных блоках TextFusion; при этом проектор TextFusion 1 × 12 tap, внешний txtmlp, image transformer и другие слои генерации изображений не затрагиваются. Новые визуальные концепции, персонажи, стили или эстетические предпочтения адаптер не добавляет. Сильной стороной модели является узкая специализация: она пытается сделать уже представленные в Krea 2 визуальные знания доступнее для текстового управления без замены исходных представлений и без изменения базового чекпойнта. Ограничения связаны с тем, что адаптер не предназначен для добавления новых понятий или улучшения качества изображений вне задачи снижения отказов; эффективность и оптимальная сила применения зависят от совместимости с Krea 2 и настроек инференса. В README лицензия не указана.

L3.3-GeneticLemonade-Unleashed-v3-70B — экспериментальная модель zerofata для генерации диалогового текста и ролевых сценариев. Это плотная Llama-модель с 69,5 млрд параметров, дообученная методом SFT, а затем DPO на базе zerofata/L3.3-GeneticLemonade-Unleashed-70B. Веса доступны в формате safetensors; метаданные указывают контекст до 131 072 токенов и интерфейс для вызова инструментов. Модель рассчитана на ролевые диалоги, в которых персонажи должны сохранять характер, проявлять инициативу и давать длинные повествовательные ответы. В README автор отдельно указывает RP и ERP как целевые сценарии; обучение опиралось преимущественно на ролевые данные, включая синтетический набор примерно из 750 диалогов, и около 1100 предпочтительных примеров для DPO. Автор отмечает, что модель не проверялась и почти не обучалась на приключенческих историях и больших объёмах художественной прозы. Лицензия — Llama 3.3 Community License (идентификатор llama3 в метаданных); перед использованием следует учитывать её условия. Карточка называет выпуск экспериментальным, поэтому качество может быть нестабильным за пределами ролевых диалогов и следования инструкциям.

L3-Scrambled-Eggs-On-Toast-8B — англоязычная чат-модель для творческого ролевого общения, созданная Casual-Autopsy как слияние 18 моделей семейства Llama 3 в 11 этапов с помощью LazyMergekit. Модель содержит 7,5 млрд параметров, использует архитектуру LlamaForCausalLM и принимает формат инструкций Llama 3; заявленная длина контекста — 8192 токена. Модель рассчитана на ролевые диалоги и генерацию творческих ответов, сочетая креативность с интеллектуальными способностями. README рекомендует пресет SillyTavern Virt-io для контекста и более креативных ответов, а Naive — для лучшего следования инструкциям. Модель распространяется под лицензией llama3. Результаты генерации зависят от настроек семплирования и выбранного шаблона общения; модель ориентирована на ролевое использование и помечена как NSFW.

ChiJuiChen/Lab8_DETR_BOAT — дообученная модель обнаружения объектов на изображениях, основанная на zhuchi76/detr-resnet-50-finetuned-boat-dataset. Она использует архитектуру DETR с ResNet-50 и предназначена для обнаружения и локализации лодок на изображениях. Модель содержит 6,3 млн параметров и распространяется в формате Safetensors. Модель подойдёт для поиска лодок на изображениях и получения их расположения в виде рамок объектов. Она обучена на наборе boat_dataset. Лицензия — Apache-2.0.

Luminaura-RP-13B — языковая модель для ролевого общения, созданная автором Ppoyaa путём слияния нескольких ролевых моделей Llama 13B. Модель генерирует продолжения текста и поддерживает контекст до 131 072 токенов. Она предназначена для ролевых диалогов и сценариев ERP, включая генерацию контента рейтинга X. В карточке указано, что модель может выдавать откровенный контент. Вес модели — 12,9 млрд параметров; для запуска приведён пример с Transformers и генерацией текста. Модель распространяется по лицензии Apache-2.0.

Это чекпойнт генерации изображений на базе Stable Diffusion XL, размещённый John6666; в карточке указано, что исходную модель создал coyotte. Модель предназначена для создания реалистичных и фотореалистичных изображений по текстовым запросам, включая контент для взрослой аудитории. Репозиторий содержит модель в формате Diffusers и файлы Safetensors. Карточка указывает поддержку английского языка и pipeline text-to-image. Лицензия — creativeml-openrail-m. Доступные сведения не позволяют подтвердить размер модели, длину контекста или дополнительные ограничения качества.

John6666/lustify-sdxl-nsfwsfw-v2-sdxl — модель генерации изображений по текстовому описанию на базе Stable Diffusion XL, опубликованная пользователем John6666 на Hugging Face. Репозиторий содержит компоненты Diffusers и веса Safetensors; карточка запускает модель через StableDiffusionXLPipeline. Модель предназначена для создания реалистичных и фотореалистичных изображений, в том числе контента для взрослых. Она принимает текстовый промпт на английском языке и генерирует изображение. Длина контекста текстового энкодера CLIP — 77 токенов. Модель распространяется по лицензии CreativeML Open RAIL-M. Данных о конкретных ограничениях качества или недостатках модели в использованных источниках нет.

Модель yuk/madoka-waifu-diffusion — специализированный вариант Stable Diffusion в формате Diffusers, разработанный для генерации иллюстраций樋口円香, персонажа игры THE iDOLM@STER SHINY COLORS. Автор создал её дополнительным обучением Waifu Diffusion методом DreamBooth. Модель принимает текстовые запросы и создаёт изображения. В метаданных указан английский язык; размер и длина контекста не приведены. Репозиторий распространяется под лицензией bigscience-bloom-rail-1.0. В README отмечено, что изображения, похожие на персонажа 黛冬優子, могут подпадать под авторское право Bandai Namco Entertainment Inc.

mahjong_soul_vision — модель классификации изображений, созданная дообучением Vision Transformer google/vit-base-patch16-224-in21k. Она содержит 113,2 млн параметров и предназначена для отнесения изображений к классам, представленным в обучающих данных. В README приведены результаты на оценочной выборке: accuracy, F1 и recall — 0,9955, loss — 0,0535. Модель подходит для классификации изображений в сценариях, соответствующих её обучающим классам. Данные описаны как imagefolder, но конкретные классы, состав набора данных и предполагаемые пользовательские сценарии в доступных сведениях не раскрыты. Распространяется под лицензией Apache-2.0.