AIbase
TW
模型選型
標籤
Sigmoid損失優化

# Sigmoid損失優化

Vit Large Patch16 Siglip 256.v2 Webli
Apache-2.0
基於SigLIP 2架構的視覺Transformer模型，專為圖像特徵提取設計，訓練於webli數據集
圖像分類 Transformers
V
timm
525
0
Vit Base Patch16 Siglip 224.v2 Webli
Apache-2.0
基於SigLIP 2的ViT模型，專注於圖像特徵提取，使用webli數據集訓練
文本生成圖像 Transformers
V
timm
1,992
0
Vit Gopt 16 SigLIP2 384
Apache-2.0
基於WebLI數據集訓練的SigLIP 2視覺語言模型，支持零樣本圖像分類
文本生成圖像
V
timm
1,953
1
Vit Gopt 16 SigLIP2 256
Apache-2.0
基於WebLI數據集訓練的SigLIP 2視覺語言模型，適用於零樣本圖像分類任務。
文本生成圖像
V
timm
43.20k
0
Vit SO400M 16 SigLIP2 512
Apache-2.0
基於WebLI數據集訓練的SigLIP 2視覺語言模型，適用於零樣本圖像分類任務
文本生成圖像
V
timm
1,191
4
Vit SO400M 16 SigLIP2 384
Apache-2.0
基於WebLI數據集訓練的SigLIP 2視覺語言模型，支持零樣本圖像分類任務。
文本生成圖像
V
timm
106.30k
2
Vit SO400M 16 SigLIP2 256
Apache-2.0
基於WebLI數據集訓練的SigLIP 2視覺語言模型，支持零樣本圖像分類
文本生成圖像
V
timm
998
0
Vit SO400M 14 SigLIP2 378
Apache-2.0
基於WebLI數據集訓練的SigLIP 2視覺語言模型，支持零樣本圖像分類任務
文本生成圖像
V
timm
1,596
1
Vit L 16 SigLIP2 512
Apache-2.0
基於WebLI數據集訓練的SigLIP 2視覺語言模型，支持零樣本圖像分類任務
文本生成圖像
V
timm
147
2
Vit L 16 SigLIP2 256
Apache-2.0
基於WebLI數據集訓練的SigLIP 2視覺語言模型，支持零樣本圖像分類
文本生成圖像
V
timm
888
0
Vit B 16 SigLIP2 512
Apache-2.0
基於WebLI數據集訓練的SigLIP 2視覺語言模型，支持零樣本圖像分類任務
文本生成圖像
V
timm
1,442
1
Vit B 16 SigLIP2
Apache-2.0
基於WebLI數據集訓練的SigLIP 2視覺語言模型，適用於零樣本圖像分類任務。
文本生成圖像
V
timm
11.26k
0
Vit B 32 SigLIP2 256
Apache-2.0
基於WebLI數據集訓練的SigLIP 2視覺語言模型，支持零樣本圖像分類任務
文本生成圖像
V
timm
691
0
Vit B 16 SigLIP2 256
Apache-2.0
基於WebLI數據集訓練的SigLIP 2視覺語言模型，支持零樣本圖像分類任務
文本生成圖像
V
timm
10.32k
4
Vit SO400M 14 SigLIP 384
Apache-2.0
基於WebLI數據集訓練的SigLIP（語言-圖像預訓練的Sigmoid損失）模型，適用於零樣本圖像分類任務。
文本生成圖像
V
timm
158.84k
79
Vit SO400M 14 SigLIP
Apache-2.0
一個在WebLI數據集上訓練的SigLIP（用於語言-圖像預訓練的Sigmoid損失）模型，適用於零樣本圖像分類任務。
文本生成圖像
V
timm
79.55k
17
Vit L 16 SigLIP 384
Apache-2.0
基於WebLI數據集訓練的SigLIP（Sigmoid Loss for Language-Image Pre-training）模型，用於零樣本圖像分類任務。
文本生成圖像
V
timm
3,008
27
Vit B 16 SigLIP 256
Apache-2.0
一個在WebLI數據集上訓練的SigLIP（語言-圖像預訓練的Sigmoid損失）模型，適用於零樣本圖像分類任務。
文本生成圖像
V
timm
17.15k
1
AIbase
智啟未來，您的人工智能解決方案智庫
English简体中文繁體中文にほんご
© 2025AIbase