К содержимому
Другое

blueprint-ai-hq-main/glassnet-readable-vision-21

полностью интерпретируемый классификатор изображений

2 мин чтенияобновлено

Glassnet-Readable-Vision-21 представляет собой уникальную модель классификации изображений, в которой полностью отсутствуют скрытые слои «черного ящика». Каждый из 21 нейрона среднего слоя представляет собой понятную формулу, которую можно вычислить вручную по пикселям изображения. Модель работает на чистом numpy и формате safetensors без использования PyTorch, достигая точности 84.62% на датасете Fashion-MNIST при всего 15 977 параметрах. Она отлично подойдет исследователям и разработчикам, изучающим прозрачность и интерпретируемость нейросетей.

Ключевые особенности

  • Полная прозрачность: 21 нейрон среднего слоя с явными формулами (яркость, симметрия, текстура, края).
  • Высокая точность: 84.62% на Fashion-MNIST при паритете с контрольной моделью аналогичного размера.
  • Работа без PyTorch: загрузка и инференс с использованием только numpy и safetensors.
  • Аудит честности: 20 из 21 концептов успешно прошли проверку на соответствие собственному имени.

Что можно сделать

  • Изучение архитектуры: разобрать исходный код и формулы концептов для анализа принципов работы прозрачных моделей.
  • Эксперименты с классификацией: запустить модель на numpy для классификации 28x28 черно-белой одежды из Fashion-MNIST.
  • Абляция и тестирование: провести тесты с нулевым значением или перемешиванием концептов для оценки их влияния на результат.

Пример

Загрузка модели и работа с весами через numpy и safetensors для классификации изображений без тяжелых фреймворков глубокого обучения.

ПодробнееБенчмарки: точность 84.62% (held-out), контрольный показатель 84.86%, точность при нулевом слое 9.98%
Ограничения: работает с Fashion-MNIST (28x28 grayscale), не описывает изображения словами и не подходит для обычных фотографий
Детали: содержит 15 977 параметров в файле model.safetensors с конфигурацией в config.json
Обсудить Telegram 0 18

Запустится ли?

Запустится в F32

Влезает без сжатия.

  • F32веса 0.0 GB · готовые файлы0.5 GB
  • BF16веса 0.0 GB0.5 GB
  • FP8 / INT8рекомендуемвеса 0.0 GB0.5 GB
  • 4-bitвеса 0.0 GB0.5 GB

Совет: берите 8-bit.FP8 / INT8 почти не отличается по качеству от полной точности (разница в пределах процента), а памяти занимает вдвое меньше и на RTX 40/50, H100 работает быстрее. Полную точность есть смысл брать только для дообучения.

Что взять под эту модель

Massed ComputeОткрыть Massed Compute

Своя видеокарта: FP8 / INT8 — от RTX 2060 · F32 — от RTX 2060

Почасовые цены Massed Compute на ноябрь 2026. Цена со скидкой — с промокодом при оплате.

Оценка: веса плюс рабочая память. Длинные ролики, высокое разрешение и большой контекст требуют больше.

Запуск на Massed Compute

Скрипт скачает модель на арендованную машину. Как её запустить — в карточке модели.

  1. 1. Арендуйте машину с подходящей видеокартой

    Открыть Massed Compute
  2. 2. Вставьте скрипт в терминал машины

    Подключитесь по SSH (команда есть в панели Massed Compute) или откройте терминал на рабочем столе машины.

    HF_TOKEN / CIVITAI_TOKENВ начале скрипта строки для токенов: вставьте свой между кавычками. Токен Hugging Face нужен для закрытых моделей, токен Civitai — для моделей с Civitai.

    # blueprint-ai-hq-main/glassnet-readable-vision-21
    mkdir -p ~/models
    curl -LsSf https://astral.sh/uv/install.sh | sh
    source "$HOME/.local/bin/env"
    uv tool install "huggingface_hub[cli]"
    hf download blueprint-ai-hq-main/glassnet-readable-vision-21 --local-dir ~/models/glassnet-readable-vision-21
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к glassnet-readable-vision-21
  3. 3. Пользуйтесь

    Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).

Не забудьте остановить машину в панели, когда закончите: оплата идёт поминутно, пока она включена.

Как ускорить

Подобрано под тип модели. Выберите своё железо в блоке выше — покажем то, что подходит именно вам.

  • FlashAttention 44.0.0b40от 18 ноября 2026новая версия

    самое быстрое точное внимание на B200

    Ядра для Blackwell (пока бета). Точное внимание без квантования — подходит для всего, включая LLM.

    Как включить: pip install flash-attn-4; vLLM и SGLang подхватывают сами.

    Предыдущие поколения (2)
    • FlashAttention 3 — Версия для Hopper (H100/H200) с FP8.
    • FlashAttention 2 — Стандарт для RTX 30/40/50 и A100: точное внимание без лишней памяти на длинных контекстах.
  • torch.compile2.15.0от 28 октября 2026новая версия

    10–30% бесплатно

    Компилирует модель под вашу видеокарту. Первый запуск дольше, дальше быстрее.

    Как включить: model = torch.compile(model); в ComfyUI — узел TorchCompileModel.

Семья модели

Новые посты про версии glassnet-readable-vision-21 — сжатые, дообучения, LoRA — появятся в колокольчике.

У этой модели пока нет известных родственников. Все производные на Hugging Face

О модели

blueprint-ai-hq-main/glassnet-readable-vision-21
Автор
blueprint-ai-hq-main
Категория
Другое
Дата выхода
На сайте

На сайте

Hugging Face

180

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии

Компьютерное зрение

amaara-decide-vision

amaara-decide-vision
Компьютерное зрение

TinyForge-Vision-222M

TinyForge-Vision-222M