-
Notifications
You must be signed in to change notification settings - Fork 0
Models Web zero shot image
Mike edited this page May 28, 2026
·
1 revision
Режим: Web. Категория: Zero-shot image / классификация изображения по меткам.
Всего моделей: 2.
| Поле | Значение |
|---|---|
| Название | Xenova/clip-vit-base-patch32 |
| Label | CLIP ViT base patch32 |
| Категория | Zero-shot image / классификация изображения по меткам |
| Runtime/backend | transformers |
| Вес | 0.33 GB catalog size, ~340 MB disk/cache |
| Параметры | не указаны |
| Минимальные требования | small - ноутбук или небольшой GPU; disk >= 340 MB; memory/VRAM около 750 MB; браузер CPU/WASM; WebGPU полезен, если доступен |
| Оптимальные требования | modern CPU plus WebGPU/NPU when available; желательно 1262 MB+ свободной VRAM/RAM и 852 MB+ disk cache |
| HF link | Xenova/clip-vit-base-patch32 |
| Доступные quantizations | q8 |
| Краткое описание | Catalog entry for Zero-shot image / классификация изображения по меткам. |
| Best in | классификация изображений по произвольным меткам |
| Поле | Значение |
|---|---|
| Название | Xenova/siglip-base-patch16-224 |
| Label | SigLIP base 224 |
| Категория | Zero-shot image / классификация изображения по меткам |
| Runtime/backend | transformers |
| Вес | 0.51 GB catalog size, ~520 MB disk/cache |
| Параметры | не указаны |
| Минимальные требования | medium - рабочая станция или заметный GPU; disk >= 520 MB; memory/VRAM около 1100 MB; браузер CPU/WASM; WebGPU полезен, если доступен |
| Оптимальные требования | modern CPU plus WebGPU/NPU when available; желательно 1612 MB+ свободной VRAM/RAM и 1032 MB+ disk cache |
| HF link | Xenova/siglip-base-patch16-224 |
| Доступные quantizations | q8 |
| Краткое описание | Catalog entry for Zero-shot image / классификация изображения по меткам. |
| Best in | классификация изображений по произвольным меткам |
- xlocllm
- Quickstart
- About
- Functions Python
- Functions TypeScript
- Use cases
- Examples Python
- Examples TypeScript
- Shared GPU mode
-
Models catalog
- Models The best
- Models Full model list
- Models Use your model
- For native mode
- Models Native LLM tiny small
- Models Native LLM medium
- Models Native LLM large
- Models Native embedding
- Models Native reranker
- Models Native translator
- Models Native tts
- Models Native vlm
- Models Native asr
- Models Native ocr
- Models Native image-classification
- Models Native object-detection
- Models Native image-segmentation
- Models Native depth-estimation
- Models Native document-layout
- Models Native table-detection
- Models Native document-qa
- Models Native language-id
- Models Native audio-classification
- Models Native text-classification
- Models Native ner
- Models Native zero-shot-text
- Models Native summarization
- Models Native text2text
- Models Native code
- For webgpu mode
- For web mode
- Models Web LLM
- Models Web embedding
- Models Web reranker
- Models Web translator
- Models Web tts
- Models Web vlm
- Models Web asr
- Models Web ocr
- Models Web image-classification
- Models Web object-detection
- Models Web image-segmentation
- Models Web depth-estimation
- Models Web document-layout
- Models Web table-detection
- Models Web document-qa
- Models Web zero-shot-image
- Models Web language-id
- Models Web audio-classification
- Models Web text-classification
- Models Web ner
- Models Web zero-shot-text
- Models Web summarization
- Models Web text2text
- Models Web code
- Dev