К содержимому
Другое

skin-condition-unified-v3

классификация дерматоскопических снимков кожи

2 мин чтенияобновлено

Модель решает задачу image-classification (классификация изображений): по фотографии или дерматоскопическому снимку кожи она определяет тип кожных образований и патологий. В основе лежит архитектура ConvNeXt (facebook/convnext-base-224-22k) размером около 0.09B (90 млн параметров) от пользователя Pro-Coder. Судя по метрикам оценки, модель дообучена в том числе на данных уровня HAM10000 и ориентирована на распознавание таких состояний, как меланома, актинический кератоз и базальноклеточная карцинома. Подойдёт исследователям и разработчикам медицинских прототипов для экспериментов с компьютерным зрением в дерматологии.

Ключевые особенности

  • Общая точность (Accuracy) на валидации достигает 0.8269 при F1 Macro 0.7457.
  • Высокая полнота (Recall) по отдельным классам: 0.925 для актинического кератоза и 0.918 для базальноклеточной карциномы.
  • Компактный размер 0.09B параметров на базе convnext-base-224-22k обеспечивает быстрый инференс.
  • Обучена в течение 15 эпох с оптимизатором ADAMW_TORCH_FUSED и косинусным расписанием скорости обучения.

Что можно сделать

  • Встроить модель через библиотеку transformers в исследовательский пайплайн для первичной сортировки дерматоскопических изображений.
  • Использовать чекпоинт как базовый бейзлайн для дообучения на собственных размеченных наборах медицинских снимков.

Пример

В карточке не приведён готовый код запуска и список всех классов, но модель совместима со стандартным пайплайном image-classification в библиотеке transformers для подачи изображений разрешением 224×224 пикселя.

Подробнее Метрики на eval: Accuracy — 0.8269, F1 Macro — 0.7457, Loss — 1.1323.
Recall по классам (Ham10000): Melanoma — 0.8088, Actinic Keratosis — 0.925, Basal Cell Carcinoma — 0.9180.
Обучение: 15 эпох, lr 5e-05, total_train_batch_size 32, Native AMP.
Ограничения: карточка автосгенерирована, полный список классов и датасет в описании не указаны; не предназначена для постановки медицинского диагноза.
Обсудить Telegram 0 21

Запустится ли?

Запустится в F32

Влезает без сжатия.

  • F32веса 0.3 GB · готовые файлы0.9 GB
  • BF16веса 0.2 GB0.7 GB
  • FP8 / INT8рекомендуемвеса 0.1 GB0.6 GB
  • 4-bitвеса 0.0 GB0.6 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.

    # Pro-Coder/skin-condition-unified-v3
    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 Pro-Coder/skin-condition-unified-v3 --local-dir ~/models/skin-condition-unified-v3
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к skin-condition-unified-v3
  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

Дообучение модели

facebook/convnext-base-224-22k

Новые посты про версии convnext-base-224-22k — сжатые, дообучения, LoRA — появятся в колокольчике.

Сжатые версии 1Все на Hugging Face
Дообучения 12Все на Hugging Face

О модели

Pro-Coder/skin-condition-unified-v3
Автор
Pro-Coder
Категория
Другое
Дата выхода
На сайте

На сайте

Hugging Face

210

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии