К содержимому
Другое

Mrittika AI

ML-модели для подбора сельхозкультур и удобрений

2 мин чтенияобновлено

Набор классических моделей машинного обучения от автора ripro805, созданный для рекомендаций по выбору сельскохозяйственных культур и расчёта удобрений в условиях Бангладеш. В основе лежат алгоритмы градиентного бустинга и ансамблей деревьев (ExtraTrees, XGBoost и LightGBM), обученные на локальных аграрных данных. На выходе система подсказывает подходящую культуру для посева, определяет тип удобрения и оценивает его необходимую дозировку в килограммах на гектар. Репозиторий пригодится разработчикам агротехнических сервисов и исследователям в области табличного ML.

Ключевые особенности

  • Подбор культур реализован на базе алгоритма ExtraTrees с точностью 86.13% (top-3 accuracy достигает 97.59%).
  • Рекомендация удобрений разделена на две задачи: классификацию типа (XGBoost) и регрессию дозировки (LightGBM).
  • Вместе с весами опубликованы исходные CSV-датасеты (bangladesh_crop_recommendation.csv и bangladesh_fertilizer_recommendation.csv).
  • В репозитории доступны графики важности признаков (feature importance) и матрицы ошибок (confusion matrix).

Что можно сделать

  • Интегрировать модели в веб-сервис или Telegram-бота для фермеров, чтобы подбирать культуры и норму удобрений по параметрам почвы и климата.
  • Использовать приложенные датасеты и метрики как готовый бенчмарк для экспериментов с табличными данными в scikit-learn, XGBoost и LightGBM.

Пример

import pickle

with open("mrittika_crop_model.pkl", "rb") as file:
    crop_model = pickle.load(file)

with open("mrittika_fertilizer_model.pkl", "rb") as file:
    fertilizer_model = pickle.load(file)
ПодробнееВыбор культур (ExtraTrees): test accuracy 0.8613, macro-F1 0.8599, top-3 accuracy 0.9759.
Подбор удобрений: классификатор XGBoost (accuracy 0.9617, macro-F1 0.9394) и регрессор LightGBM (R2 0.9740, MAE 29.221 kg/ha).
Модели сохранены в формате Python pickle (.pkl) — для запуска требуются совместимые версии библиотек и соблюдение схемы входных признаков.
Обсудить Telegram 0

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.

    # ripro805/mrittika-ai
    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 ripro805/mrittika-ai --local-dir ~/models/mrittika-ai
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к mrittika-ai
  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 mrittika-ai — сжатые, дообучения, LoRA — появятся в колокольчике.

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

О модели

ripro805/mrittika-ai
Автор
ripro805
Категория
Другое
Дата выхода
На сайте

На сайте

Hugging Face

00

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии