К содержимому
Другое

animals10-efficientnetv2s

классификация изображений животных

1 мин чтенияобновлено

Модель выполняет классификацию фотографий, определяя одно из 10 животных: бабочку, кошку, курицу, корову, собаку, слона, лошадь, овцу, паука или белку. Она основана на архитектуре EfficientNetV2-S (высокоэффективная сверточная нейросеть), предварительно обученной на датасете ImageNet. Перенос обучения (transfer learning — подход, при котором используется уже обученная модель для новой задачи) позволил достичь высокой точности при минимальных затратах ресурсов. Модель пригодится разработчикам и исследователям для быстрой интеграции распознавания животных в приложения или фотогалереи.

Ключевые особенности

  • Обучена на датасете Animals-10 из 26 177 качественных фотографий.
  • Достигает высокой точности Accuracy 0.983 на независимом тестовом наборе.
  • Использует библиотеку Keras с бэкендом PyTorch для стабильной работы.
  • Обучение заняло всего 16.5 минут на видеокарте NVIDIA RTX 5060 Laptop GPU.

Что можно сделать

  • Автоматически сортировать фотографии домашних и диких животных по категориям в галереях.
  • Создать бота для Telegram, который распознает животных на присланных пользователями снимках.
  • Использовать в качестве готового компонента для образовательных проектов по компьютерному зрению.

Пример

import os
os.environ["KERAS_BACKEND"] = "torch"
import json, keras, numpy as np
from huggingface_hub import snapshot_download
from PIL import Image
path = snapshot_download("jramduran/animals10-efficientnetv2s")
model = keras.saving.load_model(f"{path}/model.keras")
img = Image.open("cat.jpg").convert("RGB").resize((224, 224))
print(model.predict(np.asarray(img, dtype="float32")[None], verbose=0)[0].argmax())
ПодробнееAccuracy: 0.983
F1 macro: 0.980
Обучение: 8 эпох на NVIDIA RTX 5060 Laptop GPU
Объем датасета: 26 177 изображений
Обсудить Telegram 0 2

Запустится ли?

Считаем требования к памяти

Бот ещё собирает размеры весов этой модели — оценка появится здесь через несколько минут. Пока можно арендовать видеокарту с запасом.

Massed ComputeОткрыть Massed Compute

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.

    # jramduran/animals10-efficientnetv2s
    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 jramduran/animals10-efficientnetv2s --local-dir ~/models/animals10-efficientnetv2s
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к animals10-efficientnetv2s
  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 animals10-efficientnetv2s — сжатые, дообучения, LoRA — появятся в колокольчике.

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

О модели

jramduran/animals10-efficientnetv2s
Автор
jramduran
Категория
Другое
Дата выхода
На сайте

На сайте

Hugging Face

20

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии