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。
dnth 做的 Gradio 应用,从名字看是根据图片给水稻病害分类,带有保存的学习器文件和示例图片。适合对植物病害分类器感兴趣的学生和种植者。
Rice Disease Classifier 水稻病害分类器 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 dnth/rice-disease-classifier --repo-type space --local-dir rice-disease-classifier cd rice-disease-classifier
Rice Disease Classifier 是 dnth 做的 Gradio 应用。正如名字所说,它用来按病害给水稻植株的图片分类。仓库里有一个保存的学习器文件和一个示例图片文件夹。README 只有标准的 Space 设置文字。
如果你是学生、种植者或农业爱好者,想看一个小型植物病害分类器怎么工作,它就适合你。
| 行业 | 谁在用 | 怎么用 | 例子 |
|---|---|---|---|
| 农业 | 种植者和顾问 | 试用基于图片的病害检查 | 上传一张稻叶照片,读标签 |
| 教育 | 学生 | 在成品应用里看图像分类器 | 跑一张示例图片 |
| 机器学习 | 从业者 | 研究小型分类器的部署 | 对着学习器文件读 app.py |
如果你需要能用于田间的诊断,可以跳过它,因为这只是个没有标明准确率的演示。
| 使用场景 | 谁用 | 得到什么 |
|---|---|---|
| 检查水稻图片 | 种植者和学生 | 针对图像预测的病害标签 |
| 试用示例 | 新手 | 示例图片文件夹里的快速结果 |
pip install -U huggingface_hub hf download dnth/rice-disease-classifier --repo-type space --local-dir rice-disease-classifier cd rice-disease-classifier pip install gradio pip install -r requirements.txt python app.py
打开这个 Space,给它一张水稻植株的图片。仓库里有一个示例图片文件夹,可以先试。README 没有给出步骤,所以请按页面自己的控件操作。在自己的副本上,用下面的命令启动应用,再打开 Gradio 打印出的本地页面。
python app.py
在线打开这个 Space,对一张示例图片运行。你会得到这张图片的预测标签,不过 README 没有列出模型认识哪些病害。
如果你是新手,先用示例图片,再试一张单片叶子的清晰特写。请把结果当作提示,而不是诊断。
如果你熟悉这个领域,仓库把 app.py 和一个保存的学习器文件配在一起,也就是应用加载训练好的模型,对图片运行它。README 没有给出类别、数据集、准确率或训练细节,所以请用你自己的图像验证。
dnth 做的 Gradio 应用,从名字看是根据图片给水稻病害分类,带有保存的学习器文件和示例图片。适合对植物病害分类器感兴趣的学生和种植者。
由 dnth 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:Rice Disease Classifier 是 dnth 做的 Gradio 应用。正如名字所说,它用来按病害给水稻植株的图片分类。仓库里有一个保存的学习器文件和一个示例图片文件夹。README 只有标准的 Space 设置文字。
适合谁:如果你是学生、种植者或农业爱好者,想看一个小型植物病害分类器怎么工作,它就适合你。
行业 | 谁在用 | 怎么用 | 例子
农业 | 种植者和顾问 | 试用基于图片的病害检查 | 上传一张稻叶照片,读标签
教育 | 学生 | 在成品应用里看图像分类器 | 跑一张示例图片
机器学习 | 从业者 | 研究小型分类器的部署 | 对着学习器文件读 app.py
如果你需要能用于田间的诊断,可以跳过它,因为这只是个没有标明准确率的演示。
用在哪里:
使用场景 | 谁用 | 得到什么
检查水稻图片 | 种植者和学生 | 针对图像预测的病害标签
试用示例 | 新手 | 示例图片文件夹里的快速结果
如何设置:
pip install -U huggingface_hub
hf download dnth/rice-disease-classifier --repo-type space --local-dir rice-disease-classifier
cd rice-disease-classifier
pip install gradio
pip install -r requirements.txt
python app.py
如何使用:打开这个 Space,给它一张水稻植株的图片。仓库里有一个示例图片文件夹,可以先试。README 没有给出步骤,所以请按页面自己的控件操作。在自己的副本上,用下面的命令启动应用,再打开 Gradio 打印出的本地页面。
python app.py
示例:在线打开这个 Space,对一张示例图片运行。你会得到这张图片的预测标签,不过 README 没有列出模型认识哪些病害。
新手与专家:如果你是新手,先用示例图片,再试一张单片叶子的清晰特写。请把结果当作提示,而不是诊断。
如果你熟悉这个领域,仓库把 app.py 和一个保存的学习器文件配在一起,也就是应用加载训练好的模型,对图片运行它。README 没有给出类别、数据集、准确率或训练细节,所以请用你自己的图像验证。
你给应用一张水稻图片
应用加载保存的学习器
模型预测一个标签
页面显示预测结果
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 |
|---|---|---|---|---|
| Rice Disease Classifier 水稻病害分类器 本页 | 1 | gradio | afl-3.0 | |
| 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。