基于microsoft/deberta-v3-large微调的新闻标题多类别分类模型，支持7个新闻类别分类。

基于DistilBERT的快速轻量级文本审核模型，可高效分类11种违规内容类型

基于BERT的文本分类模型，用于识别用户在对话中的意图

使用Vision Transformer (ViT)架构的面部图像分类模型，用于检测干性、中性、油性三种皮肤类型

这是一个基于MIT许可证的零样本分类模型，适用于多种分类任务而无需特定训练。

基于Google Vision Transformer (ViT)架构的名人分类模型，用于识别1000位顶级名人

用于识别服装图案类型的分类模型，支持21种图案类别识别。

基于BERT-base-uncased的新闻分类模型，能够对多种新闻类别进行准确分类。

基于Distilbert的文本分类模型，用于检测句子中的刻板印象内容

基于RuBERT微调的俄语多类别情感分类模型，支持中性、积极和消极三种情感分类。

这是一个基于AutoTrain训练的多类别图像分类模型，用于识别不同种族特征。

这是一个基于ImageNet-1k数据集训练的视觉图像分类模型，能够识别多种常见物体和场景。

这是一个通过AutoTrain训练的多类别图像分类模型，专门用于痴呆症相关图像的分类任务。

这是一个通过AutoTrain训练的多类别图像分类模型，在验证集上表现出色，所有评估指标均达到1.0。

该模型是基于microsoft/beit-base-patch16-224-pt22k-ft22k微调的图像分类模型，在评估集上准确率达到93.59%。

这是一个使用AutoTrain训练的天气图像分类模型，能够准确识别不同天气类型的图像。

这是一个基于AutoTrain训练的多类别图像分类模型，专门用于天气分类任务。

这是一个使用AutoTrain训练的多类别图像分类模型，在旗帜数据集上表现优异。

基于Google Vision Transformer (ViT)架构的食品图像分类模型，在Food101数据集上微调，准确率达90.9%

这是一个基于Google的ViT模型在food101数据集上微调的食物分类模型，准确率达到89.5%。

升级版食品分类图像识别模型，能够识别12种不同类别的食品

这是一个基于HuggingPics生成的图像分类模型，专门用于识别收据、纸张、发票和文档等类别。

这是一个基于AutoTrain训练的多类别图像分类模型，专门用于旗帜识别任务。

基于ViT架构的食品图像分类模型，在Food101数据集上微调，准确率达89.7%

一个基于PyTorch和HuggingPics的酒店图像分类模型，能够识别酒店环境中的不同场景和设施。

Keras 提供的图像分类模型，支持多种预训练架构，适用于常见的图像分类任务。

基于Google的ViT模型在Food101数据集上微调的图像分类模型，准确率达到85.39%

由HuggingPics生成的图像分类模型，准确率达94.5%

这是一个采用监督对比学习技术训练的CIFAR-10图像分类模型，测试准确率达到81.06%

该模型用于预测法语政治语句的性质类别，分为问题、解决方案和其他三类。

这是一个基于AutoNLP训练的多类别分类模型，专门用于处理歌曲歌词文本分类任务。

基于稀疏注意力的Transformer模型，专为移动应用描述分类任务微调

这是一个基于AutoNLP训练的多类别分类模型，专门用于处理歌曲歌词文本分类任务。

这是一个基于AutoNLP训练的孟加拉语多类别分类模型，在indic_glue数据集上表现优异。

这是一个基于BERT架构微调的土耳其语文本分类模型，能够将土耳其语文本分类到7个预定义的类别中。

这是一个基于AutoNLP训练的多类别分类模型，专门用于银行交易分类任务。

基于Yanzhu/bertweetfr-base微调的COVID相关法语推文分类模型，用于识别推文讨论的COVID相关主题。

该模型可根据约200字的中文剧情简介预测故事年代背景，基于影视剧数据集训练。