CLIP-convnext_xxlarge-laion2B-s34B-b82K-augreg

CLIP-convnext_xxlarge-laion2B-s34B-b82K-augreg

基于LAION-2B数据集的卷积神经网络达到79%零样本分类准确率

CLIP ConvNeXt-XXLarge是一个在LAION-2B数据集上训练的大规模视觉语言模型,总参数量12亿,图像分辨率256x256。模型采用ConvNeXt-XXLarge图像结构和ViT-H-14规模的文本编码器,在ImageNet零样本分类上达到79%准确率。主要应用于图像分类、检索等研究任务。

Github开源项目图像分类CLIPHuggingface神经网络机器学习ConvNext模型

项目概述

这个项目是一个基于CLIP模型的大规模计算机视觉和自然语言处理模型,名为CLIP-convnext_xxlarge-laion2B-s34B-b82K-augreg。该模型使用LAION-2B数据集进行训练,是目前最大的已发布的ConvNeXt预训练模型。

技术特点

  • 使用timm库中的ConvNeXt-XXLarge作为图像处理模块
  • 模型总参数量达到1.2B,其中图像模块847M参数
  • 在256x256分辨率图像上进行训练
  • 文本处理模块采用与ViT-H-14和ViT-g-14相同的配置(1024维度、16头、24层深度)
  • 首次实现了非ViT架构的CLIP模型在ImageNet零样本分类上达到79%以上的准确率

应用场景

  • 零样本图像分类
  • 图像和文本检索
  • 图像分类微调
  • 线性探测图像分类
  • 图像生成引导和条件控制

训练细节

  • 使用LAION-2B数据集(约20亿个英文样本)进行训练
  • 全局批量大小为81920
  • 训练周期约2个月,处理了约340亿个样本
  • 使用多个高性能计算集群进行训练,包括stability.ai集群和JUWELS Booster超级计算机
  • 采用bfloat16混合精度训练以提高稳定性

性能表现

  • 在ImageNet-1k数据集上的零样本分类准确率达到79.1%-79.4%
  • 计算效率优于同等规模的ViT模型
  • 在VTAB+等多个基准测试集上表现出色
  • 模型尺寸和性能介于ViT-g和ViT-G之间

使用限制

  • 仅支持英文场景
  • 不建议直接用于商业部署
  • 不适用于监控和人脸识别等敏感领域
  • 建议仅用于研究目的,在实际应用中需要充分的领域测试

编辑推荐精选

博思AIPPT

博思AIPPT

AI一键生成PPT,就用博思AIPPT!

博思AIPPT,新一代的AI生成PPT平台,支持智能生成PPT、AI美化PPT、文本&链接生成PPT、导入Word/PDF/Markdown文档生成PPT等,内置海量精美PPT模板,涵盖商务、教育、科技等不同风格,同时针对每个页面提供多种版式,一键自适应切换,完美适配各种办公场景。

热门AI工具AI办公办公工具智能排版AI生成PPT博思AIPPT海量精品模板AI创作
潮际好麦

潮际好麦

AI赋能电商视觉革命,一站式智能商拍平台

潮际好麦深耕服装行业,是国内AI试衣效果最好的软件。使用先进AIGC能力为电商卖家批量提供优质的、低成本的商拍图。合作品牌有Shein、Lazada、安踏、百丽等65个国内外头部品牌,以及国内10万+淘宝、天猫、京东等主流平台的品牌商家,为卖家节省将近85%的出图成本,提升约3倍出图效率,让品牌能够快速上架。

iTerms

iTerms

企业专属的AI法律顾问

iTerms是法大大集团旗下法律子品牌,基于最先进的大语言模型(LLM)、专业的法律知识库和强大的智能体架构,帮助企业扫清合规障碍,筑牢风控防线,成为您企业专属的AI法律顾问。

SimilarWeb流量提升

SimilarWeb流量提升

稳定高效的流量提升解决方案,助力品牌曝光

稳定高效的流量提升解决方案,助力品牌曝光

Sora2视频免费生成

Sora2视频免费生成

最新版Sora2模型免费使用,一键生成无水印视频

最新版Sora2模型免费使用,一键生成无水印视频

Transly

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。

AI助手热门AI工具AI创作AI辅助写作讯飞绘文内容运营个性化文章多平台分发
TRAE编程

TRAE编程

AI辅助编程,代码自动修复

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。

热门AI工具生产力协作转型TraeAI IDE
商汤小浣熊

商汤小浣熊

最强AI数据分析助手

小浣熊家族Raccoon,您的AI智能助手,致力于通过先进的人工智能技术,为用户提供高效、便捷的智能服务。无论是日常咨询还是专业问题解答,小浣熊都能以快速、准确的响应满足您的需求,让您的生活更加智能便捷。

imini AI

imini AI

像人一样思考的AI智能体

imini 是一款超级AI智能体,能根据人类指令,自主思考、自主完成、并且交付结果的AI智能体。

下拉加载更多