Accomodation Room Classification
Apache-2.0
基于Google的ViT模型微调，用于住宿房间图像分类，验证集准确率达87.5%
图像分类
Transformers
TransformersA
sharmajai901
29
1
Tomato Disease Detection
Apache-2.0
基于Vision Transformer架构的番茄病害图像分类模型，在评估集上达到99.18%的准确率
图像分类 Transformers
TransformersT
surprisedPikachu007
35
0
Tomato Disease Detection V2
Apache-2.0
基于Google Vision Transformer (ViT)架构的番茄病害图像分类模型，准确率达98.87%
图像分类 Transformers
TransformersT
surprisedPikachu007
16
0
Vit Base Patch16 224 In21k Dog Vs Cat Image Classification
Apache-2.0
基于Google Vision Transformer (ViT)架构微调的猫狗图像分类模型，在测试集上准确率达99%
图像分类 Transformers 英语
Transformers 英语V
DunnBC22
20
1
Bert Finetuned Squad
Apache-2.0
基于bert-base-cased微调的问答模型，在SQuAD数据集上进行了优化
问答系统 Transformers
TransformersB
dpkmnit
13
0
Rare Puppers
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。
图像分类 Transformers
TransformersR
Li-Tang
30
0
English Speaker Accent Recognition Using Transfer Learning
该模型通过从Yamnet提取特征，对英国和爱尔兰口音进行分类。
音频分类
E
keras-io
71
2
Bert Finetuned Squad2
Apache-2.0
基于bert-base-cased模型微调的问答模型，适用于SQuAD2.0格式的问答任务
问答系统 Transformers
TransformersB
augustoortiz
14
0
Gpt2 French Small
基于GPT-2小型模型微调的法语语言模型，适用于文本生成等自然语言处理任务
大型语言模型 法语
G
dbddv01
1,657
10
QA For Event Extraction
该模型是ACL2021论文中事件抽取系统的组成部分，基于RoBERTa-large架构，使用QAMR数据集微调，用于零样本事件抽取任务。
问答系统 Transformers
TransformersQ
veronica320
21
7
Vit Finetuned Cats Dogs
基于Vision Transformer (ViT)架构微调的猫狗图像分类模型，准确率达99.7%
图像分类 Transformers
TransformersV
nickmuchi
39
0
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
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
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
%20--%3e%3cdefs%3e%3cstyle%3e%20.st0%20{%20fill:%20%23061b40;%20}%20.st1%20{%20fill:%20%23306af1;%20}%20.st2%20{%20fill:%20%235ce5cf;%20}%20%3c/style%3e%3c/defs%3e%3cg%3e%3cpath%20class='st0'%20d='M55,10.5h9v3h-9v9h12V7.5h-12v3ZM64,19.5h-6v-3h6v3Z'/%3e%3cpolygon%20class='st0'%20points='69%2016.5%2078%2016.5%2078%2019.5%2069%2019.5%2069%2022.5%2081%2022.5%2081%2013.5%2072%2013.5%2072%2010.5%2081%2010.5%2081%207.5%2069%207.5%2069%2016.5'/%3e%3cpolygon%20class='st0'%20points='95%2010.5%2095%207.5%2083%207.5%2083%2022.5%2095%2022.5%2095%2019.5%2086%2019.5%2086%2016.5%2095%2016.5%2095%2013.5%2086%2013.5%2086%2010.5%2095%2010.5'/%3e%3cpath%20class='st0'%20d='M40,1.5v21h11.6l1.4-1.4v-7.6h0c0,0-1.4-1.5-1.4-1.5l1.4-1.4V2.9l-1.4-1.4h-11.6ZM50,19.5h-7v-6h7v6ZM50,10.5h-7v-6h7v6Z'/%3e%3c/g%3e%3cpath%20class='st1'%20d='M23.1,24L14.7,4.8l-4.9,11.2h3.8l-1.8,4H3.3L12.1,0H2C.9,0,0,.9,0,2v20c0,1.1.9,2,2,2h21.1Z'/%3e%3cpath%20class='st2'%20d='M34,0h-16.8l10.6,24h6.2c1.1,0,2-.9,2-2V2C36,.9,35.1,0,34,0ZM32.5,20h-4V4h4v16Z'/%3e%3c/svg%3e)
智启未来，您的人工智能解决方案智库
简体中文