懂AI
wd-vit-tagger-v3

wd-vit-tagger-v3

图像评分与标签处理的高效解决方案

WD ViT Tagger v3是一个针对 Danbooru 图像数据集的开源项目，支持图像评分、角色和标签的处理。v2.0版本通过类不平衡损失缩放技术改进了模型精度；v1.1 修订 JAX 模型配置，增加图像尺寸定义；v1.0 增加训练图像和更新标签，兼容 timm 和 ONNX，对批处理大小没有固定要求，并使用 Macro-F1 衡量模型性能。

Github开源项目Danbooru训练WD ViT Tagger标签Huggingface模型
GitHubHugging Face

项目介绍：WD ViT Tagger v3

项目概述

WD ViT Tagger v3是一个用于图像标注的项目，支持对图像的评级、角色和一般标签的识别。该项目主要利用一种称为Transformer的深度学习模型进行训练，并旨在为用户提供准确的图像标注结果。训练过程中使用了专门提供的TPU（Tensor Processing Unit），这大大提高了模型的训练效率。

数据集

WD ViT Tagger v3的训练数据主要来自于Danbooru网站的图像。具体来说，用于训练的数据集是ID为0000到0899模的图像，而用于验证的数据集则是ID为0950到0999模的图像。为了保证数据的质量，项目过滤掉了那些标签少于10个的图像，同时也排除了那些出现在少于600幅图像中的标签。

验证结果

在验证阶段，模型版本v2的指标是：阈值为0.2614时的F1值为0.4402；而版本v1的指标是：阈值为0.2547时的F1值为0.4278。F1值是衡量模型准确性的重要指标，越高表明模型的性能越好。

新特性

  • 模型v2.0/数据集v3：该版本在原有基础上多训练了几轮，并使用了基于标签频率的损失缩放方法来解决类别不平衡的问题。

  • 模型v1.1/数据集v3：此版本更新了JAX模型的配置文件，增加了图像尺寸的设置，但未对已训练的权重进行修改。

  • 模型v1.0/数据集v3：该版本加入了更多的训练图像，并更新了标签（截至2024年2月28日）。模型现在与timm库兼容，用户可以通过一行代码轻松加载和使用。此外，ONNX模型的批处理维度不再固定为1，使得批量推理更加灵活。

运行依赖

使用ONNX模型时，需要确保onnxruntime版本不低于1.17.0。

推理代码示例

最后说明

这个项目仍在不断更新和改进中。下游用户在使用时，建议依赖于项目的正式发布版本，而不是仅依靠代码仓库中的最新版本，以确保稳定性和兼容性。

编辑推荐精选

讯飞智文

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。

AI办公办公工具AI工具讯飞智文AI在线生成PPTAI撰写助手多语种文档生成AI自动配图热门
讯飞星火

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。

热门AI开发模型训练AI工具讯飞星火大模型智能问答内容创作多语种支持智慧生活
Spark-TTS

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

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。

AI工具TraeAI IDE协作生产力转型热门
咔片PPT

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

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。

热门AI辅助写作AI工具讯飞绘文内容运营AI创作个性化文章多平台分发AI助手
材料星

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-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。

Hunyuan3D-2

Hunyuan3D-2

高分辨率纹理 3D 资产生成

Hunyuan3D-2 是腾讯开发的用于 3D 资产生成的强大工具，支持从文本描述、单张图片或多视角图片生成 3D 模型，具备快速形状生成能力，可生成带纹理的高质量 3D 模型，适用于多个领域，为 3D 创作提供了高效解决方案。

3FS

3FS

一个具备存储、管理和客户端操作等多种功能的分布式文件系统相关项目。

3FS 是一个功能强大的分布式文件系统项目，涵盖了存储引擎、元数据管理、客户端工具等多个模块。它支持多种文件操作，如创建文件和目录、设置布局等，同时具备高效的事件循环、节点选择和协程池管理等特性。适用于需要大规模数据存储和管理的场景，能够提高系统的性能和可靠性，是分布式存储领域的优质解决方案。

下拉加载更多