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 应用里用微调过的 ResNet50 模型预测飓风风速。适合想看图像回归模型怎样工作的学生、研究者和开发者。
Hurricane Wind Speed Regressor 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 nakulmital/Hurricane_Wind_Speed_Regressor --repo-type space --local-dir Hurricane_Wind_Speed_Regressor cd Hurricane_Wind_Speed_Regressor
Hurricane Wind Speed Regressor 是一个 Gradio 应用,用微调过的 ResNet50 模型预测飓风风速。这个 Space 提到一个模型,nakulmital/ResNet50-Hurricane-WindSpeed-Regressor。仓库里有 app.py、model.py、requirements.txt 和一个 README。
想看看小型回归模型怎样估算一个天气数值、并且能读懂简短 Python 应用的人。
| Industry | Who uses it | How they use it | Example |
|---|---|---|---|
| 教育 | 数据科学学生 | 看微调过的网络怎样预测一个数值 | 一次课程项目演示 |
| 研究 | 天气爱好者 | 试试基于图像的风速估算 | 一张飓风图片 |
| 软件 | 开发者 | 阅读 model.py 和 app.py 怎样提供回归模型 | 打开这两个文件 |
| 教学 | 讲师 | 演示回归和分类的区别 | 一次简短的讲课演示 |
如果你需要官方预报,可以跳过它,因为这只是一个模型演示。
| Use case | Who | What they get back |
|---|---|---|
| 风速估算 | 学生 | 一个预测出来的风速数值 |
| 研究模型 | 开发者 | 一个可以阅读的微调 ResNet50 小应用 |
| 教学演示 | 讲师 | 给课堂用的实时回归示例 |
pip install -U huggingface_hub hf download nakulmital/Hurricane_Wind_Speed_Regressor --repo-type space --local-dir Hurricane_Wind_Speed_Regressor cd Hurricane_Wind_Speed_Regressor pip install gradio==6.31.0 pip install -r requirements.txt python app.py
在线使用时,打开 Space 页面,用页面上的界面。在自己的电脑上,用下面的命令启动应用,再使用它打开的界面。
python app.py
你给应用一张飓风图像并运行。来源没有展示界面,但 ResNet50 是图像网络,所以应用应当为那张图片返回一个预测的风速。
打开 Space 页面,试一张图片。回归模型输出的是数字而不是标签,所以答案是一个风速数值。
这个模型是针对风速微调的 ResNet50,model.py 和 app.py 一起放在仓库里。来源没有给出准确率数字、单位或训练数据的细节,所以请把任何预测都当作演示结果。
在 Gradio 应用里用微调过的 ResNet50 模型预测飓风风速。适合想看图像回归模型怎样工作的学生、研究者和开发者。
由 nakulmital 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:Hurricane Wind Speed Regressor 是一个 Gradio 应用,用微调过的 ResNet50 模型预测飓风风速。这个 Space 提到一个模型,nakulmital/ResNet50-Hurricane-WindSpeed-Regressor。仓库里有 app.py、model.py、requirements.txt 和一个 README。
适合谁:想看看小型回归模型怎样估算一个天气数值、并且能读懂简短 Python 应用的人。
Industry | Who uses it | How they use it | Example
教育 | 数据科学学生 | 看微调过的网络怎样预测一个数值 | 一次课程项目演示
研究 | 天气爱好者 | 试试基于图像的风速估算 | 一张飓风图片
软件 | 开发者 | 阅读 model.py 和 app.py 怎样提供回归模型 | 打开这两个文件
教学 | 讲师 | 演示回归和分类的区别 | 一次简短的讲课演示
如果你需要官方预报,可以跳过它,因为这只是一个模型演示。
用在哪里:
Use case | Who | What they get back
风速估算 | 学生 | 一个预测出来的风速数值
研究模型 | 开发者 | 一个可以阅读的微调 ResNet50 小应用
教学演示 | 讲师 | 给课堂用的实时回归示例
如何设置:
pip install -U huggingface_hub
hf download nakulmital/Hurricane_Wind_Speed_Regressor --repo-type space --local-dir Hurricane_Wind_Speed_Regressor
cd Hurricane_Wind_Speed_Regressor
pip install gradio==6.31.0
pip install -r requirements.txt
python app.py
如何使用:在线使用时,打开 Space 页面,用页面上的界面。在自己的电脑上,用下面的命令启动应用,再使用它打开的界面。
python app.py
示例:你给应用一张飓风图像并运行。来源没有展示界面,但 ResNet50 是图像网络,所以应用应当为那张图片返回一个预测的风速。
新手与专家:打开 Space 页面,试一张图片。回归模型输出的是数字而不是标签,所以答案是一个风速数值。
这个模型是针对风速微调的 ResNet50,model.py 和 app.py 一起放在仓库里。来源没有给出准确率数字、单位或训练数据的细节,所以请把任何预测都当作演示结果。
你给应用一张图像
app.py 把它交给 ResNet50 回归模型
模型预测一个风速
数值显示在屏幕上
注意事项:
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 |
|---|---|---|---|---|
| Hurricane Wind Speed Regressor 本页 | 1 | gradio | mit | |
| 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。