モデル選定

豆類画像分類

# 豆類画像分類

Platzi Vit Model Will Mendoza

GoogleのViTモデルを豆類データセットでファインチューニングした画像分類モデルで、精度は98.5%

Platzi Vit Model Nelson Silvera

これはGoogleのViTモデルをbeansデータセットでファインチューニングした画像分類モデルで、検証セットで98.5%の精度を達成しました。

Platzi Vit Model Julio Test

これはGoogleのViTモデルを豆類データセットで微調整した画像分類モデルで、検証セットで99.25%の高い精度を達成しました。

このモデルはGoogleのViTアーキテクチャを豆類データセットでファインチューニングした画像分類モデルで、検証セットで100%の精度を達成しました。

GoogleのViTモデルを豆類データセットでファインチューニングした画像分類モデルで、精度は97.74%

Platzi Vit Model Tommasory Beans

GoogleのViTモデルを豆類データセットでファインチューニングした画像分類モデルで、精度は99.25%

Vit Model Santiago Ahumada

このモデルはgoogle/vit-base-patch16-224-in21kを豆類データセットでファインチューニングした画像分類モデルで、評価セットで100%の精度を達成しました。

Resnet 50 Base Beans Demo

ResNet-50アーキテクチャをベースにbeansデータセットで微調整した画像分類モデル、精度90.23%達成

このモデルはGoogleのViTアーキテクチャをbeansデータセットでファインチューニングした画像分類モデルで、精度は96.99%です。

おすすめAIモデル

Llama 3 Typhoon V1.5x 8b Instruct

タイ語専用に設計された80億パラメータの命令モデルで、GPT-3.5-turboに匹敵する性能を持ち、アプリケーションシナリオ、検索拡張生成、制限付き生成、推論タスクを最適化

大規模言語モデル

Transformers 複数言語対応

Cadet-TinyはSODAデータセットでトレーニングされた超小型対話モデルで、エッジデバイス推論向けに設計されており、体積はCosmo-3Bモデルの約2％です。

対話システム

Transformers 英語

Roberta Base Chinese Extractive Qa

RoBERTaアーキテクチャに基づく中国語抽出型QAモデルで、与えられたテキストから回答を抽出するタスクに適しています。

質問応答システム中国語

AIbase

未来を切り開く、あなたのAIソリューション知識ベース

English 简体中文繁體中文にほんご

© 2025AIbase