AIbase
TW
模型選型
標籤
Sigmoid損失函數

# Sigmoid損失函數

Vit SO400M 14 SigLIP2
Apache-2.0
一個在WebLI數據集上訓練的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
1,178
0
Vit B 16 SigLIP2 384
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
1,497
0
Siglip So400m Patch14 224
Apache-2.0
SigLIP是基於CLIP改進的多模態模型，採用更優的Sigmoid損失函數，在WebLi數據集上預訓練完成，適用於零樣本圖像分類和圖像-文本檢索等任務。
文本生成圖像 Transformers
S
google
6,654
53
Siglip Base Patch16 256 Multilingual
Apache-2.0
SigLIP是基於WebLi數據集預訓練的改進版CLIP模型，採用Sigmoid損失函數優化圖像-文本匹配任務
文本生成圖像 Transformers
S
google
175.86k
44
Siglip Large Patch16 384
Apache-2.0
SigLIP是基於WebLi數據集預訓練的多模態模型，採用改進的Sigmoid損失函數，適用於零樣本圖像分類和圖文檢索任務。
圖像生成文本 Transformers
S
google
245.21k
6
Siglip Large Patch16 256
Apache-2.0
SigLIP是基於WebLi數據集預訓練的視覺語言模型，採用改進的sigmoid損失函數提升性能
圖像生成文本 Transformers
S
google
24.13k
12
Siglip Base Patch16 512
Apache-2.0
SigLIP是基於WebLi數據集預訓練的視覺-語言模型，採用改進的sigmoid損失函數，在圖像分類和圖文檢索任務中表現優異。
文本生成圖像 Transformers
S
google
237.79k
24
Siglip Base Patch16 384
Apache-2.0
SigLIP是基於WebLi數據集預訓練的多模態模型，採用改進的sigmoid損失函數，適用於零樣本圖像分類和圖文檢索任務。
圖像生成文本 Transformers
S
google
2,570
10
Siglip Base Patch16 256
Apache-2.0
SigLIP是基於WebLi數據集預訓練的視覺語言模型，採用改進的Sigmoid損失函數，在圖像分類和圖文檢索任務中表現優異。
文本生成圖像 Transformers
S
google
12.71k
5
Siglip Base Patch16 224
Apache-2.0
SigLIP是基於WebLi數據集預訓練的視覺語言模型，採用改進的Sigmoid損失函數，優化了圖像-文本匹配任務
圖像生成文本 Transformers
S
google
250.28k
43
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