convnext_tiny.in12k_ft_in1k
ConvNeXt微型模型基于ImageNet-12k预训练和ImageNet-1k微调
ConvNeXt微型图像分类模型在ImageNet-12k数据集上预训练,并在ImageNet-1k上微调。模型采用最新ConvNeXt架构,参数量28.59M,GMACs 4.47,激活量13.44M。224x224输入时Top-1准确率84.186%,384x384输入时达85.118%。适用于图像分类、特征提取和图像嵌入等计算机视觉任务。
ConvNeXt Tiny：高效的图像分类模型
ConvNeXt Tiny 是一个轻量级但功能强大的图像分类模型，由 Ross Wightman 在 ImageNet-12k 数据集上预训练，并在 ImageNet-1k 数据集上微调而成。这个模型是 ConvNeXt 系列的一部分，旨在为计算机视觉任务提供高效且准确的解决方案。
模型概览
ConvNeXt Tiny 具有以下特点：
- 模型类型：图像分类/特征提取骨干网络
- 参数量：28.6 百万
- GMACs：4.5（十亿次乘加运算）
- 激活量：13.4 百万
- 图像尺寸：训练时为 224x224，测试时为 288x288
这些数据表明，ConvNeXt Tiny 在保持较小模型规模的同时，仍能提供出色的性能。
训练过程
模型的训练分为两个阶段：
-
在 ImageNet-12k 数据集（ImageNet-22k 的一个子集，包含 11,821 个类别）上进行预训练。这一阶段得益于 TRC（Tensor Research Cloud）项目的 TPU 支持。
-
在 ImageNet-1k 数据集上进行微调。这一阶段在 Lambda Labs 云平台的 8 块 GPU 上完成。
这种两阶段训练方法使得模型能够从大规模数据集中学习丰富的特征表示，并在特定任务上进行优化。
模型应用
ConvNeXt Tiny 可以应用于多种计算机视觉任务：
-
图像分类：模型可以直接用于对图像进行分类，输出每个类别的概率。
-
特征图提取：通过设置
features_only=True，模型可以输出多个尺度的特征图，这对于目标检测等任务非常有用。 -
图像嵌入：通过移除分类器层，模型可以生成图像的高维嵌入表示，这在图像检索等任务中很有价值。
性能表现
在 ImageNet-1k 验证集上，ConvNeXt Tiny 展现了令人印象深刻的性能：
- Top-1 准确率：84.186%
- Top-5 准确率：97.124%
这些数据表明，尽管模型规模相对较小，但在大规模图像分类任务上仍然表现出色。
结论
ConvNeXt Tiny 是一个平衡了效率和准确性的出色模型。它适用于各种计算机视觉任务，特别是在资源受限的环境中。无论是进行图像分类、特征提取还是生成图像嵌入，ConvNeXt Tiny 都能提供可靠的性能，使其成为许多实际应用的理想选择。
编辑推荐精选
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。
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。
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