مختبر الرؤية الحاسوبية النماذج ViT-B/16
ViT-B/16
Vision Transformer Base, patch 16
بطاقة معرفية: محوّل الرؤية الأصلي بحجمه الأساسي، كبير على التشغيل في المتصفح.
| المعمارية | Vision Transformer Base, patch 16 |
|---|---|
| المهمة | تصنيف |
| بيانات التدريب | ImageNet-1K |
| عدد المعلمات | 86,567,656 |
| الإطار | PyTorch |
| حجم الملف | ≈330 MB |
| الترخيص | BSD-3-Clause (torchvision code) |
| مكان التشغيل | بطاقة معرفية فقط |
| المصدر الرسمي | pytorch.org |
| الأوزان الرسمية | download.pytorch.org |
مؤشرات منشورة (من المصدر الرسمي، وليست قياساً من هذا الموقع)
| المؤشر | القيمة | بيانات التقييم | المصدر |
|---|---|---|---|
| Acc@1 | 81.072% | ImageNet-1K val (single crop 224) | المصدر |
| Acc@5 | 95.318% | ImageNet-1K val (single crop 224) | المصدر |
الاستخدامات
مرجع للمحوّلات.
متطلبات التشغيل
—
طريقة التحميل
غير مُحمَّل في المختبر.
المراجع
- A. Dosovitskiy et al. (2020).An Image is Worth 16x16 Words: Transformers for Image Recognition at Scale. arXiv:2010.11929 (ICLR 2021). doi:10.48550/arXiv.2010.11929
