Resnet 50 Ucsat
基於microsoft/resnet-50微調的圖像分類模型,在未知數據集上表現出中等準確率
下載量 24
發布時間 : 7/3/2022
模型概述
該模型是基於ResNet-50架構的微調版本,主要用於圖像分類任務。在訓練過程中展示了逐步提升的準確率,最終達到約65.6%的驗證準確率。
模型特點
遷移學習基礎
基於成熟的ResNet-50架構微調,具備良好的特徵提取能力
漸進式學習
訓練過程中準確率從20.57%逐步提升至71.25%(訓練集)
Top-3準確率優異
驗證集Top-3準確率達到89.24%,顯著高於基礎準確率
模型能力
圖像分類
特徵提取
遷移學習
使用案例
通用圖像識別
物體分類
對常見物體進行分類識別
驗證準確率65.6%
精選推薦AI模型
Llama 3 Typhoon V1.5x 8b Instruct
專為泰語設計的80億參數指令模型,性能媲美GPT-3.5-turbo,優化了應用場景、檢索增強生成、受限生成和推理任務
大型語言模型
Transformers 支持多種語言

L
scb10x
3,269
16
Cadet Tiny
Openrail
Cadet-Tiny是一個基於SODA數據集訓練的超小型對話模型,專為邊緣設備推理設計,體積僅為Cosmo-3B模型的2%左右。
對話系統
Transformers 英語

C
ToddGoldfarb
2,691
6
Roberta Base Chinese Extractive Qa
基於RoBERTa架構的中文抽取式問答模型,適用於從給定文本中提取答案的任務。
問答系統 中文
R
uer
2,694
98