モデル選定

軽量分類

# 軽量分類

Yolov5n Cls V7.0

YOLOv5n-cls-v7.0は、YOLOv5アーキテクチャに基づく軽量な画像分類モデルで、効率的な視覚タスク処理に適しています。

野火二分類データセットで事前学習されたReXNetアーキテクチャの画像分類モデル。カスタマイズされたSqueeze-Excitation層を使用してチャネルの冗長性問題を解消

野火二分類データセットで事前学習されたReXNet画像分類モデル、改良された残差ブロック構造を採用

ImageNetteで事前学習されたReXNet画像分類モデル。改良された残差ブロック構造によりチャネル冗長性を低減

PyTorchとHuggingPicsを使用して構築された画像分類モデルで、5種類の一般的な花を識別するために特別に設計されています。

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