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。
你可以在 Gradio 页面里试用一个处理 CT 类数据的视频视觉 Transformer,里面带有两个示例视频。适合对视频模型好奇的学生和开发者。
Video Vision Transformer for CT 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/video-vision-transformer-CT --repo-type space --local-dir video-vision-transformer-CT cd video-vision-transformer-CT
这是 keras-io 做的 Gradio 演示,只包了一个模型:keras-io/video-vision-transformer。名字里的 CT 暗示它处理 CT 扫描数据,仓库里还有两个示例视频。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。
它适合想在读模型代码之前先看看视频 Transformer 怎么工作的学生和开发者。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 | 深度学习的学生 | 不写代码就试用一个视频模型 | 打开这个 Space,播放一个示例视频 |
| 研究 | 机器学习研究者 | 看一个成品模型是怎样接进演示里的 | 读 app.py 和 utils 文件夹 |
| 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临床工具,可以跳过它,因为来源没有做任何医疗方面的说明。
| 用途 | 谁用 | 得到什么 |
|---|---|---|
| 试用模型 | 学生 | 页面上显示模型对你所选视频的回答 |
| 读代码 | 开发者 | 演示背后的 app.py 文件和 utils 文件夹 |
| 教学演示 | 讲师 | 一个带两个示例视频、可用于课堂的演示 |
先准备好下面这些东西。
pip install -U huggingface_hub hf download keras-io/video-vision-transformer-CT --repo-type space --local-dir video-vision-transformer-CT cd video-vision-transformer-CT pip install gradio==3.6 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,你给它一个视频,比如仓库里的 example_1.mp4,页面就会显示模型对它的输出。
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一个示例视频。这是看视频 Transformer 运行的最快办法。
如果你懂这个领域,要注意这个 Space 只列出一个模型,由 app.py 加载,辅助代码放在 utils 文件夹里。它固定使用较旧的 Gradio 3.6,所以全新的环境可能需要装这个确切版本。来源没有给出准确率数字。
来源没有给出准确率数字或训练细节,也没有做临床方面的说明,所以不要把这个演示用于医疗决定。
你可以在 Gradio 页面里试用一个处理 CT 类数据的视频视觉 Transformer,里面带有两个示例视频。适合对视频模型好奇的学生和开发者。
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,只包了一个模型:keras-io/video-vision-transformer。名字里的 CT 暗示它处理 CT 扫描数据,仓库里还有两个示例视频。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:它适合想在读模型代码之前先看看视频 Transformer 怎么工作的学生和开发者。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 | 深度学习的学生 | 不写代码就试用一个视频模型 | 打开这个 Space,播放一个示例视频
研究 | 机器学习研究者 | 看一个成品模型是怎样接进演示里的 | 读 app.py 和 utils 文件夹
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临床工具,可以跳过它,因为来源没有做任何医疗方面的说明。
用在哪里:
用途 | 谁用 | 得到什么
试用模型 | 学生 | 页面上显示模型对你所选视频的回答
读代码 | 开发者 | 演示背后的 app.py 文件和 utils 文件夹
教学演示 | 讲师 | 一个带两个示例视频、可用于课堂的演示
如何设置:先准备好下面这些东西。
pip install -U huggingface_hub
hf download keras-io/video-vision-transformer-CT --repo-type space --local-dir video-vision-transformer-CT
cd video-vision-transformer-CT
pip install gradio==3.6
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,你给它一个视频,比如仓库里的 example_1.mp4,页面就会显示模型对它的输出。
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一个示例视频。这是看视频 Transformer 运行的最快办法。
如果你懂这个领域,要注意这个 Space 只列出一个模型,由 app.py 加载,辅助代码放在 utils 文件夹里。它固定使用较旧的 Gradio 3.6,所以全新的环境可能需要装这个确切版本。来源没有给出准确率数字。
打开 Space 或运行 app.py
Gradio 页面加载
你给它一个视频
所列模型给它打分
结果显示在页面上
注意事项:来源没有给出准确率数字或训练细节,也没有做临床方面的说明,所以不要把这个演示用于医疗决定。
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 |
|---|---|---|---|---|
| Video Vision Transformer for CT 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。