FoodCLS берёт товарные теги categories_tags из OpenFoodFacts и сводит их к 12 крупным продуктовым категориям — от «Овощей и фруктов» до «Напитков» и «Снеков». На выходе — один класс, который можно получить числом или строкой. Модель небольшая (около 0,04 млрд параметров), обучена на снимке базы OpenFoodFacts от 9 ноября 2026 года и создана в студенческом проекте. Она пригодится там, где сырые теги слишком дробные: в каталогах, аналитике и приложениях с обзором продуктов. Отличие от исходных тегов — фиксированный набор из 12 категорий с немецкими и английскими названиями.
Ключевые особенности
12 фиксированных классов: от «Obst & Gemüse» до «Sonstiges».
На входе — атрибут categories_tags, на выходе — ID класса или строковое название.
Поддерживаются немецкие и английские названия категорий.
Есть режим string_classes=True для человекочитаемого ответа.
Что можно сделать
Строить сводные отчёты по ассортименту: группировать товары в 12 понятных полок вместо сотен тегов.
В приложении показывать пользователю простую категорию продукта, полученную из тегов OpenFoodFacts.
Для аналитики выгружать категории и считать распределение товаров по группам.
ПодробнееРазмер модели — около 0,04 млрд параметров. Классы названы на немецком и английском; в карточке есть таблица соответствий. Ограничение: модель работает с тегами categories_tags, а не с изображениями или свободным текстом. Создана в студенческом проекте; готовые зависимости вынесены в requirements.txt.
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.
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.
# emiloetting/FoodCLS — A30, FP8 / INT8
# Драйвер NVIDIA: для CUDA 13 нужен 580+. Если старее или нет — ставится свежий nvidia-open (оставить свой: KEEP_DRIVER=1)
DRV=$(nvidia-smi --query-gpu=driver_version --format=csv,noheader 2>/dev/null | head -1 | cut -d. -f1)
case "$DRV" in ""|*[!0-9]*) DRV=0 ;; esac
if [ "$DRV" -lt 580 ] && [ -z "${KEEP_DRIVER:-}" ]; then
. /etc/os-release && \
curl -fsSLO "https://developer.download.nvidia.com/compute/cuda/repos/ubuntu${VERSION_ID//./}/x86_64/cuda-keyring_1.1-1_all.deb" && \
sudo dpkg -i cuda-keyring_1.1-1_all.deb && rm -f cuda-keyring_1.1-1_all.deb && \
sudo apt-get update && \
sudo DEBIAN_FRONTEND=noninteractive apt-get install -y nvidia-open || \
{ echo "Драйвер NVIDIA поставить не удалось: смотрите ошибку выше. Чтобы оставить текущий, запустите с KEEP_DRIVER=1."; exit 1; }
echo "Драйвер NVIDIA обновлён. Перезагрузите машину (sudo reboot) и запустите этот же скрипт ещё раз."
exit 0
fi
curl -LsSf https://astral.sh/uv/install.sh | sh
source "$HOME/.local/bin/env"
uv venv ~/vllm --python 3.12 && source ~/vllm/bin/activate
uv pip install vllm
vllm serve emiloetting/FoodCLS --max-model-len 8192 --quantization fp8
Сервер слушает порт 8000 и понимает запросы в формате OpenAI: адрес http://localhost:8000/v1 на машине. Со своего компьютера: ssh -L 8000:localhost:8000 пользователь@IP-машины.
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.
Комментарии