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。
在 Gradio 页面里展示一个用 TensorFlow 搭建的森林分类器,示例由 Khalid Salama 编写,Tannia Dubon 改编。适合想试用它的学生和开发者。
TFClassificationForest 是一款工具包,属于研究类,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 keras-io/TF-GB-Forest --repo-type space --local-dir TF-GB-Forest cd TF-GB-Forest
这是 keras-io 做的 Gradio 演示,展示一个用于分类的森林模型。名字暗示它与 TensorFlow 有关,TF 大概就是指它。说明里把 Khalid Salama 列为作者,把 Tannia Dubon 列为改编实现者。你可以在浏览器里使用,也可以在自己的电脑上运行一份副本。
它适合想在读代码之前先看看森林分类器怎么运行的学生和开发者。老师也可以把它当作现场演示。
| 行业 | 谁在用 | 怎么用 | 例子 |
|---|---|---|---|
| 教育 | 机器学习的学生 | 不写代码就试用一个分类森林 | 打开这个 Space,用它显示的界面 |
| 研究 | 数据科学家 | 看一个森林模型是怎样接进演示里的 | 对照 config.json 读 app.py |
| 软件 | Python 开发者 | 在本地运行一份副本并改写 | 下载这个 Space 并启动 app.py |
如果你需要训练脚本或处理表格数据的通用工具,可以跳过它,因为来源只描述了一个小演示。
| 用途 | 谁用 | 得到什么 |
|---|---|---|
| 试用分类器 | 学生 | 页面上显示对你所给输入的预测 |
| 读代码 | 开发者 | 演示背后的 app.py 和 config.json 文件 |
| 教学演示 | 讲师 | 一个可以在自己电脑上运行的演示 |
先准备好下面这些东西。
pip install -U huggingface_hub hf download keras-io/TF-GB-Forest --repo-type space --local-dir TF-GB-Forest cd TF-GB-Forest pip install gradio pip install -r requirements.txt python app.py
在线使用时,用 Space 页面显示的 Gradio 界面。在自己的电脑上,则在项目文件夹里运行主文件,再在浏览器里打开它提供的页面。
python app.py
你在项目文件夹里运行 python app.py。Gradio 页面启动后,你给它一个输入,页面就会显示森林模型返回的类别。
如果你是新手,先从在线版开始。到这个 Space 里,在安装任何东西之前先试试它的界面。这是看分类器运行的最快办法。
如果你懂这个领域,要注意这个 Space 没有列出任何 Hugging Face 模型。app.py 旁边有一个 config.json,所以模型的设置很可能来自那里。来源没有给出准确率数字,也没有训练细节。
来源对这个演示接受什么输入、表现如何说得很少,所以在依赖它之前,请先用你自己的例子测试。
在 Gradio 页面里展示一个用 TensorFlow 搭建的森林分类器,示例由 Khalid Salama 编写,Tannia Dubon 改编。适合想试用它的学生和开发者。
由 keras-io 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:这是 keras-io 做的 Gradio 演示,展示一个用于分类的森林模型。名字暗示它与 TensorFlow 有关,TF 大概就是指它。说明里把 Khalid Salama 列为作者,把 Tannia Dubon 列为改编实现者。你可以在浏览器里使用,也可以在自己的电脑上运行一份副本。
适合谁:它适合想在读代码之前先看看森林分类器怎么运行的学生和开发者。老师也可以把它当作现场演示。
行业 | 谁在用 | 怎么用 | 例子
教育 | 机器学习的学生 | 不写代码就试用一个分类森林 | 打开这个 Space,用它显示的界面
研究 | 数据科学家 | 看一个森林模型是怎样接进演示里的 | 对照 config.json 读 app.py
软件 | Python 开发者 | 在本地运行一份副本并改写 | 下载这个 Space 并启动 app.py
如果你需要训练脚本或处理表格数据的通用工具,可以跳过它,因为来源只描述了一个小演示。
用在哪里:
用途 | 谁用 | 得到什么
试用分类器 | 学生 | 页面上显示对你所给输入的预测
读代码 | 开发者 | 演示背后的 app.py 和 config.json 文件
教学演示 | 讲师 | 一个可以在自己电脑上运行的演示
如何设置:先准备好下面这些东西。
pip install -U huggingface_hub
hf download keras-io/TF-GB-Forest --repo-type space --local-dir TF-GB-Forest
cd TF-GB-Forest
pip install gradio
pip install -r requirements.txt
python app.py
如何使用:在线使用时,用 Space 页面显示的 Gradio 界面。在自己的电脑上,则在项目文件夹里运行主文件,再在浏览器里打开它提供的页面。
python app.py
示例:你在项目文件夹里运行 python app.py。Gradio 页面启动后,你给它一个输入,页面就会显示森林模型返回的类别。
新手与专家:如果你是新手,先从在线版开始。到这个 Space 里,在安装任何东西之前先试试它的界面。这是看分类器运行的最快办法。
如果你懂这个领域,要注意这个 Space 没有列出任何 Hugging Face 模型。app.py 旁边有一个 config.json,所以模型的设置很可能来自那里。来源没有给出准确率数字,也没有训练细节。
打开 Space 或运行 app.py
Gradio 页面加载
你给它一个输入
森林模型对它分类
结果显示在页面上
注意事项:来源对这个演示接受什么输入、表现如何说得很少,所以在依赖它之前,请先用你自己的例子测试。
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 4 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 |
|---|---|---|---|---|
| TFClassificationForest 本页 | 1 | gradio | apache-2.0 | |
| Open VLM Leaderboard共有 gradio | 1,034 | gradio | apache-2.0 | |
| Face Swap共有 gradio | 808 | gradio | cc-by-nc-sa-4.0 | |
| TTS Spaces Arena共有 gradio | 493 | gradio | zlib | |
| Depth Anything 3共有 gradio | 490 | gradio | cc-by-nc-4.0 | |
| BLIP共有 gradio | 431 | gradio | bsd-3-clause |
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。
AbdomenAtlas · 工具包
在 CT 扫描上检测并勾画 9 个器官的肿瘤,使用从放射学报告中学习的 R-Super 方法训练。这是面向医学影像团队的研究模型,采用非商业许可。
dBenf · 工具包
回答关于卫星图像块的类型化问题,使用 Sentinel-2 的全部 12 个波段,为每个选项返回概率,不生成文字。这是 Qwen3.5-0.8B 的微调版本,适合地球观测研究者。
zimmerk4 · 工具包
用一个在 JAX 物理模拟器里学会的小型策略网络,从头到尾通关游戏 Getting Over It。适合强化学习研究者和好奇的动手爱好者。