ONNX 模型库
返回模型

说明文档

模型卡片

<!-- 提供模型的快速摘要,说明模型是什么/做什么。 -->

本模型卡片旨在作为新模型的基础模板。它是使用此原始模板生成的。

模型详情

模型描述

<!-- 提供关于该模型的更详细摘要。 -->

  • 开发者: [更多信息需要补充]
  • 分享者 [可选]: [更多信息需要补充]
  • 模型类型: [更多信息需要补充]
  • 语言(s) (NLP): [更多信息需要补充]
  • 许可证: [更多信息需要补充]
  • 微调自模型 [可选]: [更多信息需要补充]

模型来源 [可选]

<!-- 提供模型的基本链接。 -->

  • 代码库: [更多信息需要补充]
  • 论文 [可选]: [更多信息需要补充]
  • 演示 [可选]: [更多信息需要补充]

用途

<!-- 说明模型的使用方式,包括预期的直接用户以及受模型影响的人群。 -->

直接使用

<!-- 本节描述不进行微调或集成到更大生态系统/应用时的模型使用方式。 -->

[更多信息需要补充]

下游使用 [可选]

<!-- 本节描述模型微调后用于特定任务,或集成到更大生态系统/应用时的使用方式。 -->

[更多信息需要补充]

超出范围的使用

<!-- 本节说明模型的误用、恶意使用以及模型不适合的使用场景。 -->

[更多信息需要补充]

偏见、风险和局限性

<!-- 本节旨在传达技术和社技术层面的局限性。 -->

[更多信息需要补充]

建议

<!-- 本节旨在针对偏见、风险和技术局限性提供建议。 -->

用户(无论是直接使用还是下游使用)应当了解模型的风险、偏见和局限性。需要更多信息以提供进一步建议。

如何开始使用该模型

使用以下代码开始使用该模型。

[更多信息需要补充]

训练详情

训练数据

<!-- 这里应链接到数据卡片,或许还包括关于训练数据内容的简短摘要,以及与数据预处理或额外过滤相关的文档。 -->

[更多信息需要补充]

训练过程

<!-- 这与技术规格密切相关。当内容与训练过程相关时,应链接到该部分。 -->

预处理 [可选]

[更多信息需要补充]

训练超参数

  • 训练机制: [更多信息需要补充] <!--fp32, fp16混合精度, bf16混合精度, bf16非混合精度, fp16非混合精度, fp8混合精度 -->

速度、大小、时间 [可选]

<!-- 本节提供关于吞吐量、开始/结束时间、检查点大小(如相关)等信息。 -->

[更多信息需要补充]

评估

<!-- 本节描述评估协议并提供结果。 -->

测试数据、因素和指标

测试数据

<!-- 如可能,这里应链接到数据卡片。 -->

[更多信息需要补充]

因素

<!-- 这些是评估时所区分的因素,例如子群体或领域。 -->

[更多信息需要补充]

指标

<!-- 这些是所使用的评估指标,最好说明使用原因。 -->

[更多信息需要补充]

结果

[更多信息需要补充]

总结

模型审查 [可选]

<!-- 与模型相关的可解释性工作放在这里。 -->

[更多信息需要补充]

环境影响

<!-- 总排放量(以克CO2eq为单位)和其他考虑因素,如电力使用,放在这里。相应编辑以下建议文本。 -->

碳排放可以使用Lacoste等人(2019)中提出的机器学习影响计算器进行估算。

  • 硬件类型: [更多信息需要补充]
  • 使用小时数: [更多信息需要补充]
  • 云服务提供商: [更多信息需要补充]
  • 计算区域: [更多信息需要补充]
  • 碳排放量: [更多信息需要补充]

技术规格 [可选]

模型架构和目标

[更多信息需要补充]

计算基础设施

[更多信息需要补充]

硬件

[更多信息需要补充]

软件

[更多信息需要补充]

引用 [可选]

<!-- 如果有介绍该模型的论文或博客文章,APA和BibTeX信息应放在本节。 -->

BibTeX:

[更多信息需要补充]

APA:

[更多信息需要补充]

术语表 [可选]

<!-- 如相关,在此处包含有助于读者理解模型或模型卡片的术语和计算方式。 -->

[更多信息需要补充]

更多信息 [可选]

[更多信息需要补充]

模型卡片作者 [可选]

[更多信息需要补充]

模型卡片联系方式

[更多信息需要补充]

lucascriistiano/traffic-identifier

作者 lucascriistiano

↓ 0 ♥ 0

创建时间: 2023-05-03 01:44:14+00:00

更新时间: 2023-05-03 03:38:40+00:00

在 Hugging Face 上查看

文件 (4)

.gitattributes
README.md
app.py
best.onnx ONNX