# 輕量級圖像分類

基於CIFAR-10數據集訓練的小型resnet18圖像分類模型，測試準確率達94.98%。

基於CIFAR-100數據集訓練的ResNet18小型圖像分類模型，測試準確率達79.26%。

EfficientNet是一款移動端友好的純卷積神經網絡，通過複合係數統一調整深度/寬度/分辨率維度，實現高效縮放。

EfficientNet是一款移動端友好的純卷積模型，通過複合係數統一縮放深度/寬度/分辨率維度，在ImageNet-1k數據集上訓練。

這是一個基於HuggingPics生成的圖像分類模型，專門用於識別和分類收據、紙張、發票和文檔四種類別的圖像。

該模型是基於ConvNeXt-Tiny架構在香腸(klobasa)圖像數據集上微調的視覺分類模型，準確率達89.58%

一個基於HuggingPics生成的圖像分類模型，用於識別圖像中的性別（男性或女性）。

MobileNet V2是一種小型、低延遲、低功耗的視覺模型，專為移動設備優化設計

MobileNet V2 是一個輕量級的視覺模型，專為移動設備優化，在圖像分類任務上表現優異。

基於ImageNet-1k數據集預訓練的輕量級圖像分類模型，專為移動設備優化設計

該模型是基於timm/resnet18.a1_in1k在beans數據集上微調的圖像分類模型，準確率為69.17%。

基於BEiT架構的視覺Transformer模型，在MNIST手寫數字數據集上微調，達到99.35%的準確率

該模型是基於ConvNeXT架構的微型版本，在cifar10數據集上進行微調，適用於圖像分類任務。

一個基於PyTorch和HuggingPics的狗狗圖像分類模型，能夠準確識別多種稀有犬種。

MobileNet V2是一種輕量級的卷積神經網絡，專為移動設備設計，在圖像分類任務中表現出色。

MobileNet V2是一種輕量級卷積神經網絡，專為移動設備設計，在圖像分類任務中表現優異。

MobileNet V1是一種輕量級卷積神經網絡，專為移動和嵌入式視覺應用設計，在ImageNet-1k數據集上預訓練。

一個用於MNIST手寫數字識別的小型Resnet模型，在驗證集上達到了0.985的準確率。

這是一個用於識別稀有犬種的圖像分類模型，準確率為64.44%。

一個基於PyTorch和HuggingPics構建的廚房相關物品圖像分類模型

由HuggingPics生成的圖像分類模型，能夠識別狗、鴨子、鵝、鴿子和天鵝等動物

這是一個基於PyTorch框架和HuggingPics工具生成的圖像分類模型，專門用於識別印度小吃。

這是一個基於PyTorch框架的圖像分類模型，專門用於區分非洲侏儒山羊和尼日利亞矮山羊。