Bonsai-27B-GGUF
lmstudio-community · 工具包
面向 LM Studio 的 27B Bonsai 模型 GGUF 转换版,含 3.80 GB 的 Q1_0 语言文件和 0.93 GB 的 BF16 视觉投影器。已测试文本、视觉和并行工具调用。
用小型 PyTorch 模型和 OpenCV,从照片、快照或实时摄像头画面中识别七种面部情绪。提供 Gradio 网页和桌面窗口两种用法。
Smilo 是一款工具包,属于开发类,由 Mindket 上架。可免费获取。当前为第 1 版,最近更新于 。在本页下载,是一个装着它全部文件的 zip 压缩包。这些文件不会自己运行。
pip install -U huggingface_hub hf download ktejeshnaidu/Smilo --repo-type space --local-dir Smilo cd Smilo
Smilo 会把一张脸归入七种情绪之一,分别是生气、厌恶、恐惧、开心、平静、难过和惊讶。它可以对摄像头画面实时工作,也可以处理照片和快照。它用 OpenCV 找到人脸,再用一个小型 PyTorch 网络说出情绪。
想要运行并阅读一个小而能用的情绪检测器的学生和开发者,以及好奇摄像头模型是怎么接起来的人,都适合用它。
| Industry | Who uses it | How they use it | Example |
|---|---|---|---|
| 机器学习 | 学生 | 从头到尾研究一个小型图像分类器 | 运行网页,测试一张照片 |
| 软件 | 开发者 | 给摄像头演示加上面部情绪标签 | 阅读 app.py 和 main.py |
| 教育 | 老师 | 展示计算机是怎么读取面部表情的 | 对着摄像头微笑,看标签变化 |
| 研究 | 爱好者 | 在自己准备好的数据上重新训练网络 | 打开 README 提到的训练笔记本 |
需要生产级或临床级情绪工具的人可以跳过。
它可以在这些地方运行。
| Use case | Who | What they get back |
|---|---|---|
| 检查一张照片 | 任何人 | 每张检测到的脸的情绪标签 |
| 接入摄像头实时画面 | 开发者和学生 | 画在视频上的实时标签 |
| 运行桌面窗口 | 开发者 | 一个在人脸上画框和标签的视频窗口 |
在线使用这个 Space 只需要浏览器。在你自己的电脑上运行一份副本,需要下面这些。
pip install -U huggingface_hub hf download ktejeshnaidu/Smilo --repo-type space --local-dir Smilo cd Smilo pip install gradio==5.15.0 pip install -r requirements.txt python app.py
有两种运行方式。网页接受上传的照片、快照或实时摄像头画面。Gradio 会在终端里打印一个本地地址,供你打开。桌面脚本会用你的摄像头打开一个视频窗口,按 q 或关闭窗口即可退出。
python app.py python main.py
| Tool | What it does |
|---|---|
| app.py | 启动 Gradio 网页 |
| main.py | 启动桌面视频窗口 |
| face_classifier.pth | 存放训练好的情绪模型 |
| classes.pkl | 存放情绪类别名称 |
你运行 python app.py,打开页面并开启摄像头。页面会在你的脸上画一个框,并随着你表情的变化显示 happy 或 surprise 之类的标签。
先用在线 Space 和一张光线好的单人清晰照片开始。正对镜头会让结果更好。
找人脸用的是 OpenCV 的 Haar 级联。情绪识别是一个自定义网络,有三层卷积,用 PyTorch 编写,在 128 乘 128 的彩色图像上训练。视频路径会跳帧并并发处理,README 说这样能让实时视频保持在每秒 30 帧以上。README 还指向一个用于重新训练的训练笔记本。
光线差或脸偏向一侧,会降低标签的准确度。
用小型 PyTorch 模型和 OpenCV,从照片、快照或实时摄像头画面中识别七种面部情绪。提供 Gradio 网页和桌面窗口两种用法。
由 ktejeshnaidu 在 Hugging Face 上制作。这些说明是 Mindket 根据它的 Space 页面和 README 写的,应用自己的文件和许可证在 Hugging Face 上。
它是什么:Smilo 会把一张脸归入七种情绪之一,分别是生气、厌恶、恐惧、开心、平静、难过和惊讶。它可以对摄像头画面实时工作,也可以处理照片和快照。它用 OpenCV 找到人脸,再用一个小型 PyTorch 网络说出情绪。
适合谁:想要运行并阅读一个小而能用的情绪检测器的学生和开发者,以及好奇摄像头模型是怎么接起来的人,都适合用它。
Industry | Who uses it | How they use it | Example
机器学习 | 学生 | 从头到尾研究一个小型图像分类器 | 运行网页,测试一张照片
软件 | 开发者 | 给摄像头演示加上面部情绪标签 | 阅读 app.py 和 main.py
教育 | 老师 | 展示计算机是怎么读取面部表情的 | 对着摄像头微笑,看标签变化
研究 | 爱好者 | 在自己准备好的数据上重新训练网络 | 打开 README 提到的训练笔记本
需要生产级或临床级情绪工具的人可以跳过。
用在哪里:它可以在这些地方运行。
Use case | Who | What they get back
检查一张照片 | 任何人 | 每张检测到的脸的情绪标签
接入摄像头实时画面 | 开发者和学生 | 画在视频上的实时标签
运行桌面窗口 | 开发者 | 一个在人脸上画框和标签的视频窗口
如何设置:在线使用这个 Space 只需要浏览器。在你自己的电脑上运行一份副本,需要下面这些。
pip install -U huggingface_hub
hf download ktejeshnaidu/Smilo --repo-type space --local-dir Smilo
cd Smilo
pip install gradio==5.15.0
pip install -r requirements.txt
python app.py
如何使用:有两种运行方式。网页接受上传的照片、快照或实时摄像头画面。Gradio 会在终端里打印一个本地地址,供你打开。桌面脚本会用你的摄像头打开一个视频窗口,按 q 或关闭窗口即可退出。
python app.py
python main.py
Tool | What it does
app.py | 启动 Gradio 网页
main.py | 启动桌面视频窗口
face_classifier.pth | 存放训练好的情绪模型
classes.pkl | 存放情绪类别名称
示例:你运行 python app.py,打开页面并开启摄像头。页面会在你的脸上画一个框,并随着你表情的变化显示 happy 或 surprise 之类的标签。
新手与专家:先用在线 Space 和一张光线好的单人清晰照片开始。正对镜头会让结果更好。
找人脸用的是 OpenCV 的 Haar 级联。情绪识别是一个自定义网络,有三层卷积,用 PyTorch 编写,在 128 乘 128 的彩色图像上训练。视频路径会跳帧并并发处理,README 说这样能让实时视频保持在每秒 30 帧以上。README 还指向一个用于重新训练的训练笔记本。
一帧画面来自照片或摄像头
OpenCV 找出人脸
PyTorch 网络给七种情绪打分
标签画在图像上
注意事项:光线差或脸偏向一侧,会降低标签的准确度。
在浏览器里打开这个 Space,或在它的页面上把它复制到你自己的 Hugging Face 账号。这个工具包里没有会自己运行的东西。
README.md 5 KB
同一分类里与本产品共有标签最多的已上架 Hugging Face Space。
| 产品 | 点赞 | 构建方式 | 许可证 | 最近更新 |
|---|---|---|---|---|
| Smilo 本页 | 3 | gradio | mit | |
| FLUX.1 [dev]共有 gradio | 9,583 | gradio | mit | |
| InstantID共有 gradio | 3,659 | gradio | apache-2.0 | |
| Chat With Janus-Pro-7B共有 gradio | 2,036 | gradio | mit | |
| PhotoMaker共有 gradio | 1,960 | gradio | apache-2.0 | |
| Z Image Turbo共有 gradio | 1,940 | gradio | apache-2.0 |
lmstudio-community · 工具包
面向 LM Studio 的 27B Bonsai 模型 GGUF 转换版,含 3.80 GB 的 Q1_0 语言文件和 0.93 GB 的 BF16 视觉投影器。已测试文本、视觉和并行工具调用。
LibertAIDAI · 工具包
以每权重 2.9 位的 EXL3 量化运行 DeepSeek-V4.1-Flash-1017,这是一份 196 GiB 的副本,适合在自己硬件上部署大模型的人。困惑度与原模型相差不大。
facebook · 工具包
根据文字描述或音频提示生成短音乐片段,是 facebook MusicGen 的 small 检查点。适合想在自己电脑上试用文字生成音乐的开发者和音乐爱好者。
alpindale · 工具包
用一个只有约 984 个权重的小型神经网络,为 C 源代码的每个字符打上语法高亮标签,通过一个小小的 C 程序运行。适合对手工设计的网络好奇的开发者和研究者。
prithivMLmods · 工具包
在浏览器或你自己的电脑上,用一个 Gradio 应用试用 FLUX.2 Klein 图像模型的一组 LoRA。适合制作或测试 AI 图片的人。
Sokheng · 工具包
这个模型从文档、收据和路牌照片里读取高棉语和英语文字,用一个检测器找文本行,再用识别器读每一行。适合需要在 Python 里做高棉语 OCR 的开发者。