wd-v1-4-swinv2-tagger-v2
带有改进推理和标签分类性能的新特性
模型WD 1.4 SwinV2 Tagger V2改进了标签分类功能，使用Danbooru图像集进行训练，V2.1版本增强了ONNXRuntime兼容性，并与timm兼容，支持多批次推理。使用TRC项目提供的TPU部署，提升模型的性能和算法效果。
项目介绍：WD 1.4 SwinV2 Tagger V2
项目概述
WD 1.4 SwinV2 Tagger V2 是一个先进的机器学习模型，专注于支持图像的评级、角色识别以及通用标签的分类。项目使用了由 SmilingWolf/SW-CV-ModelZoo 提供的工具进行训练，该过程得到了来自 TRC program 计划中的 TPU 设备的支持。
数据集信息
该模型使用 Danbooru 图像数据进行训练，图像 ID 在 0000-0899 范围内进行了处理，而验证数据集使用的图像 ID 在 0950-0999 范围内。模型仅选用了拥有 10 个以上通用标签的图像进行训练，且每个标签至少出现在 600 张以上的图像中，筛选后的数据用于确保模型的准确性和普适性。
验证结果
在模型版本 v2.0 中，使用验证集进行测试得到了如下结果：
阈值 = 0.3771 时，F1 得分为 0.6854，说明模型在精确率和召回率之间达到了良好的平衡。
新版本更新
对于模型 v2.1 和数据集 v2：
- 重新导出模型以解决 ONNXRuntime 版本 1.17.1 的一个 bug。
- 最低 ONNXRuntime 版本要求提升至
1.17.0及以上。 - 兼容
timm库，可以使用简便代码行加载。 - 导出了
msgpack格式，以便兼容 JAX-CV 代码库。 - ONNX 模型的批处理维度不再固定为 1，允许批量推理的大规模处理。
- 虽然训练权重没有变化，但由于不同框架的实现细节，可能会在结果预测上有轻微差异。
初始版本 v2.0 则为该项目的首个对外发布版本。
运行时依赖
使用 ONNX 模型时，需要 onnxruntime 版本为 1.17.0 或更高。
结语
项目内容可能会随时更新和更改，建议下游用户使用已标记的发布版本而非直接依赖代码库的最新提交，以保证项目稳定性和使用的便捷性。
这就是 WD 1.4 SwinV2 Tagger V2 这一项目的详细介绍，它在图像分类和标签生成领域展现了极大的潜力和发展空间。
编辑推荐精选
问小白
全能AI智能助手，随时解答生活与工作的多样问题
问小白，由元石科技研发的AI智能助手，快速准确地解答各种生活和工作问题，包括但不限于搜索、规划和社交互动，帮助用户在日常生活中提高效率，轻松管理个人事务。
Transly
实时语音翻译/同声传译工具
Transly是一个多场景的AI大语言模型驱动的同声传译、专业翻译助手，它拥有超精准的音频识别翻译能力，几乎零延迟的使用体验和支持多国语言可以让你带它走遍全球，无论你是留学生、商务人士、韩剧美剧爱好者，还是出国游玩、多国会议、跨国追星等等，都可以满足你所有需要同传的场景需求，线上线下通用，扫除语言障碍，让全世界的语言交流不再有国界。
讯飞智文
一键生成PPT和Word，让学习生活更轻松
讯飞智文是一个利用 AI 技术的项目，能够帮助用户生成 PPT 以及各类文档。无论是商业领域的市场分析报告、年度目标制定，还是学生群体的职业生涯规划、实习避坑指南，亦或是活动策划、旅游攻略等内容，它都能提供支持，帮助用户精准表达，轻松呈现各种信息。
讯飞星火
深度推理能力全新升级，全面对标OpenAI o1
科大讯飞的星火大模型，支持语言理解、知识问答和文本创作等多功能，适用于多种文件和业务场景，提升办公和日常生活的效率。讯飞星火是一个提供丰富智能服务的平台，涵盖科技资讯、图像创作、写作辅助、编程解答、科研文献解读等功能，能为不同需求的用户提供便捷高效的帮助，助力用户轻松获取信息、解决问题，满足多样化使用场景。
Spark-TTS
一种基于大语言模型的高效单流解耦语音令牌文本到语音合成模型
Spark-TTS 是一个基于 PyTorch 的开源文本到语音合成项目，由多个知名机构联合参与。该项目提供了高效的 LLM（大语言模型）驱动的语音合成方案，支持语音克隆和语音创建功能，可通过命令行界面（CLI）和 Web UI 两种方式使用。用户可以根据需求调整语音的性别、音高、速度等参数，生成高质量的语音。该项目适用于多种场景，如有声读物制作、智能语音助手开发等。
Trae
字节跳动发布的AI编程神器IDE
Trae是一种自适应的集成开发环境（IDE），通过自动化和多元协作改变开发流程。利用Trae，团队能够更快速、精确地编写和部署代码，从而提高编程效率和项目交付速度。Trae具备上下文感知和代码自动完成功能，是提升开发效率的理想工具。
咔片PPT
AI助力，做PPT更简单！
咔片是一款轻量化在线演示设计工具，借助 AI 技术，实现从内容生成到智能设计的一站式 PPT 制作服务。支持多种文档格式导入生成 PPT，提供海量模板、智能美化、素材替换等功能，适用于销售、教师、学生等各类人群，能高效制作出高品质 PPT，满足不同场景演示需求。
讯飞绘文
选题、配图、成文，一站式创作，让内容运营更高效
讯飞绘文，一个AI集成平台，支持写作、选题、配图、排版和发布。高效生成适用于各类媒体的定制内容，加速品牌传播，提升内容营销效果。
材料星
专业的AI公文写作平台，公文写作神器
AI 材料星，专业的 AI 公文写作辅助平台，为体制内工作人员提供高效的公文写作解决方案。拥有海量公文文库、9 大核心 AI 功能，支持 30 + 文稿类型生成，助力快速完成领导讲话、工作总结、述职报告等材料，提升办公效率，是体制打工人的得力写作神器。
openai-agents-python
OpenAI Agents SDK，助力开发者便捷使用 OpenAI 相关功能。
openai-agents-python 是 OpenAI 推出的一款强大 Python SDK，它为开发者提供了与 OpenAI 模型交互的高效工具，支持工具调用、结果处理、追踪等功能，涵盖多种应用场景，如研究助手、财务研究等，能显著提升开发效率，让开发者更轻松地利用 OpenAI 的技术优势。
推荐工具精选
AI云服务特惠
懂AI专属折扣关注微信公众号
最新AI工具、AI资讯
独家AI资源、AI项目落地
微信扫一扫关注公众号