V
Vit Test 1 95
由 25khattab 开发
这是一个基于Vision Transformer架构的图像分类模型,准确率达到95.02%。
下载量 15
发布时间 : 6/10/2022
模型简介
该模型用于图像分类任务,基于HuggingPics框架自动生成,适用于多种图像识别场景。
模型特点
高准确率
在测试集上达到95.02%的准确率,表现优异。
基于ViT架构
采用Vision Transformer架构,能够有效捕捉图像中的全局特征。
易用性
通过HuggingPics框架自动生成,便于快速部署和使用。
模型能力
图像分类
物体识别
使用案例
通用图像识别
日常物品分类
对日常生活中的物品进行分类识别
准确率达到95.02%
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