基于Hugging Face Transformers库的预训练模型

该模型是一个基于transformers库的模型，具体功能和用途需要进一步的信息来确定。

该模型是一个基于Transformers库的模型，具体用途和功能需要进一步信息确认。

基于DistilBERT的轻量级文本分类模型，用于位置分类任务

该模型是一个基于transformers库的模型，具体功能未明确说明

该模型是一个基于transformers库的模型，具体功能和用途需要进一步信息确认。

在Food101数据集上微调的EfficientNetB4图像分类模型，支持101种食物类别识别

Hugging Face Transformers库提供的预训练模型，可用于各种NLP任务

该模型是一个基于Transformers架构的模型，具体用途和功能需要进一步信息确认。

Hugging Face Transformers 库提供的预训练模型，支持多种自然语言处理任务

该模型是基于Audio Spectrogram Transformer (AST)架构的音频分类模型，在Audioset数据集上预训练后，又在GTZAN音乐流派分类数据集上进行了微调。

该模型是一个基于transformers库的模型，具体用途和功能需要进一步的信息来确定。

Hugging Face提供的预训练Transformer模型，支持多种NLP任务

该模型是一个基于Transformers架构的预训练模型，具体用途和功能需要进一步信息确认。

这是一个基于AutoTrain训练的猫狗图像分类模型，用于区分图像中的猫和狗。

基于ResNet-50架构微调的图像分类模型，专门用于区分猫和狗的图像，准确率达96.88%。

基于Google Vision Transformer (ViT)架构微调的植物识别模型，在评估集上达到80.96%的准确率

基于MobileNetV2架构的植物病害图像分类模型，在图像分类任务上达到97.77%的准确率

该模型是基于AST架构在GTZAN音乐分类数据集上微调的音频分类模型，准确率达89%

该模型是基于 Audio Spectrogram Transformer (AST) 在 GTZAN 音乐分类数据集上微调的版本，用于音频分类任务，准确率达到 88%。

该模型是基于microsoft/resnet-50在未知数据集上微调的版本，主要用于图像分类任务，在评估集上取得了84.86%的准确率。

这是一个在Food-101数据集上微调的视觉Transformer模型，用于食物图像分类任务。

Geneformer是基于大规模单细胞转录组数据预训练的Transformer模型，专为网络生物学数据稀缺场景设计，能实现上下文感知的预测。

该模型是基于Google的ViT-base-patch16-224在图像文件夹数据集上微调的图像分类模型，验证集准确率达89.21%。

TabuLa-8B是针对表格数据进行预测（分类和分箱回归）的基础模型，基于Meta Llama 3构建。

该模型是托管在Hugging Face Hub上的transformers模型，具体功能和用途需进一步补充信息

该模型卡片信息不完整，无法提供具体介绍

基于EfficientNet-B0架构的图像特征提取模型，主要用于天文学图像分析

基于Google Vision Transformer (ViT)架构微调的图像分类模型，用于区分AI生成图像与真实图像

该模型是一个基于Transformers库的模型，具体功能和用途需要进一步信息确认。

基于Swin Transformer架构的脑瘤检测模型，在图像分类任务上达到98.04%的准确率

该模型是一个托管在Hugging Face Hub上的transformers模型，具体功能和用途需要进一步补充信息。

基于Google Vision Transformer (ViT)微调的手语分类模型，准确率达80.56%

基于SpeechT5架构的语音处理模型，针对中文（台湾）语音进行了微调

基于Google Vision Transformer架构的图像分类模型，专为内容审核任务微调，在测试集上达到90.43%准确率

这是一个基于AST(Audio Spectrogram Transformer)架构的音频分类模型，在GTZAN音乐流派分类数据集上进行了微调。

基于ResNet-50微调的图像分类模型，在地标识别任务上达到96.45%的准确率

基于DistilHuBERT架构在GTZAN音乐分类数据集上微调的音频分类模型