基于Swin Transformer Tiny架构的图像分类模型,在CIFAR10数据集上微调,准确率达97.24%
下载量 16
发布时间 : 3/8/2023
模型简介
该模型是基于微软Swin Transformer Tiny架构的视觉Transformer模型,专门针对CIFAR10图像分类任务进行了微调。
模型特点
高准确率
在CIFAR10测试集上达到97.24%的准确率
高效架构
采用Swin Transformer的层次化窗口注意力机制,平衡计算效率和性能
微调优化
在基础模型上针对特定任务进行优化,提升目标领域表现
模型能力
图像分类
视觉特征提取
使用案例
计算机视觉
CIFAR10图像分类
对CIFAR10数据集中的10类物体图像进行分类
准确率97.24%
精选推荐AI模型
Llama 3 Typhoon V1.5x 8b Instruct
专为泰语设计的80亿参数指令模型,性能媲美GPT-3.5-turbo,优化了应用场景、检索增强生成、受限生成和推理任务
大型语言模型
Transformers

支持多种语言
L
scb10x
3,269
16
Cadet Tiny
Openrail
Cadet-Tiny是一个基于SODA数据集训练的超小型对话模型,专为边缘设备推理设计,体积仅为Cosmo-3B模型的2%左右。
对话系统
Transformers

英语
C
ToddGoldfarb
2,691
6
Roberta Base Chinese Extractive Qa
基于RoBERTa架构的中文抽取式问答模型,适用于从给定文本中提取答案的任务。
问答系统
中文
R
uer
2,694
98
AIbase是一个专注于MCP服务的平台,为AI开发者提供高质量的模型上下文协议服务,助力AI应用开发。
简体中文