К содержимому
Другое

MH51401122

калиброванный ALL vs normal классификатор

2 мин чтенияобновлено

Модель принимает одно сегментированное изображение белой клетки крови на чёрном фоне и решает, выглядит ли она как B-линейный острый лимфобластный лейкоз (ALL) или как норма. Это ансамбль из пяти EfficientNet-B0 (timm efficientnet_b0.ra_in1k), обученных с разными seed на C-NMC 2019; выход — калиброванная P(leukemic), решение leukemic/normal/refer_to_expert и карта активации. Главная идея — не выдавать уверенный ответ в серой зоне: при P от 0.20 до 0.50 клетка уходит на проверку экспертом. Подойдёт для исследований калиброванной неопределённости и selective prediction в медицинских изображениях, но не для клиники.

Ключевые особенности

  • Ансамбль из 5 EfficientNet-B0, обученных на C-NMC 2019 с разбиением по 92 пациентам.
  • Калибровка температуры 1.0728 и зона refer_to_expert: P < 0.20 — normal, P > 0.50 — leukemic, между — к эксперту.
  • Возвращает class activation map, чтобы посмотреть, на что опирается модель.
  • Формат ONNX (opset 17), 75.6 MB; на CPU около 45 мс на клетку, 65 мс с heatmap.

Что можно сделать

  • Проверить selective prediction: менять порог и смотреть, сколько клеток уходит в отказ.
  • Подключить ONNX-модель к исследовательскому пайплайну, если клетки уже вырезаны и приведены к виду C-NMC.
  • Сравнить с другими архитектурами по PR-AUC и ECE на своих данных — только после ревалидации.
  • Использовать как учебный пример ONNX-инференса на CPU для медицинских изображений.

Пример

python -m src.final_test --split test --confirm-final

Это команда финального теста из карточки; inference идёт через API /predict.

ПодробнееТест на 26 пациентах: PR-AUC 0.932, ROC-AUC 0.890, ECE 0.032.
Зона [0.20; 0.50] пропускает 2.80% лейкозных клеток и отправляет на проверку 12.3% клеток.
Внешний тест на мазках Taleqani: ROC-AUC 0.688; 66.8% доброкачественных мазков названы лейкозными.
Только одиночные клетки, близкие к C-NMC; не для клиники.
Обсудить Telegram 0

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 0.1 GB · готовые файлы0.6 GB
  • FP8 / INT8рекомендуемвеса 0.0 GB0.6 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 · BF16 — 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.

    # Velion/MH51401122
    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 Velion/MH51401122 --local-dir ~/models/MH51401122
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к MH51401122
  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 MH51401122 — сжатые, дообучения, LoRA — появятся в колокольчике.

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

О модели

Velion/MH51401122
Автор
Velion
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