基于CIFAR-10数据集训练的小型resnet18图像分类模型，测试准确率达94.98%。

基于CIFAR-100数据集训练的ResNet18小型图像分类模型，测试准确率达79.26%。

EfficientNet是一款移动端友好的纯卷积神经网络，通过复合系数统一调整深度/宽度/分辨率维度，实现高效缩放。

EfficientNet是一款移动端友好的纯卷积模型，通过复合系数统一缩放深度/宽度/分辨率维度，在ImageNet-1k数据集上训练。

这是一个基于HuggingPics生成的图像分类模型，专门用于识别和分类收据、纸张、发票和文档四种类别的图像。

该模型是基于ConvNeXt-Tiny架构在香肠(klobasa)图像数据集上微调的视觉分类模型，准确率达89.58%

一个基于HuggingPics生成的图像分类模型，用于识别图像中的性别（男性或女性）。

MobileNet V2是一种小型、低延迟、低功耗的视觉模型，专为移动设备优化设计

MobileNet V2 是一个轻量级的视觉模型，专为移动设备优化，在图像分类任务上表现优异。

基于ImageNet-1k数据集预训练的轻量级图像分类模型，专为移动设备优化设计

该模型是基于timm/resnet18.a1_in1k在beans数据集上微调的图像分类模型，准确率为69.17%。

基于BEiT架构的视觉Transformer模型，在MNIST手写数字数据集上微调，达到99.35%的准确率

该模型是基于ConvNeXT架构的微型版本，在cifar10数据集上进行微调，适用于图像分类任务。

一个基于PyTorch和HuggingPics的狗狗图像分类模型，能够准确识别多种稀有犬种。

MobileNet V2是一种轻量级的卷积神经网络，专为移动设备设计，在图像分类任务中表现出色。

MobileNet V2是一种轻量级卷积神经网络，专为移动设备设计，在图像分类任务中表现优异。

MobileNet V1是一种轻量级卷积神经网络，专为移动和嵌入式视觉应用设计，在ImageNet-1k数据集上预训练。

一个用于MNIST手写数字识别的小型Resnet模型，在验证集上达到了0.985的准确率。

这是一个用于识别稀有犬种的图像分类模型，准确率为64.44%。

一个基于PyTorch和HuggingPics构建的厨房相关物品图像分类模型

由HuggingPics生成的图像分类模型，能够识别狗、鸭子、鹅、鸽子和天鹅等动物

这是一个基于PyTorch框架的图像分类模型，专门用于区分非洲侏儒山羊和尼日利亚矮山羊。

这是一个基于PyTorch框架和HuggingPics工具生成的图像分类模型，专门用于识别印度小吃。