DFN Public

🚀 CLIP ViT-B/32 DFN模型

這是一個基於CLIP（對比語言 - 圖像預訓練）的ViT-B/32模型，在Conceptual Captions 12M、Conceptual Captions 3M和Shutterstock 15M數據集上進行訓練。數據過濾網絡（DFNs）是用於自動過濾大量未整理數據的小型網絡，本模型是在公開可用數據上訓練的DFN。該模型已從Axlearn（https://github.com/apple/axlearn）的原始JAX檢查點轉換為PyTorch格式。

🚀 快速開始

本部分暫未提供快速開始的相關內容，你可以參考後續的模型詳情進行使用。

✨ 主要特性

• 基於CLIP的ViT-B/32架構，適用於對比圖像 - 文本和零樣本圖像分類任務。
• 使用數據過濾網絡（DFNs）自動過濾未整理數據。
• 模型已從JAX格式轉換為PyTorch格式，方便使用。

📚 詳細文檔

模型詳情

引用信息

@article{fang2023data,
  title={Data Filtering Networks},
  author={Fang, Alex and Jose, Albin Madappally and Jain, Amit and Schmidt, Ludwig and Toshev, Alexander and Shankar, Vaishaal},
  journal={arXiv preprint arXiv:2309.17425},
  year={2023}
}

📄 許可證

本項目採用apple-sample-code-license許可證。