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。
一个 Gradio 演示,用 Sense-X 的 UniFormer 视频模型处理视频片段并给出类别,附带三个示例视频。适合想在浏览器里体验视频分类的学生和开发者。
Uniformer_video_demo 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 Sense-X/uniformer_video_demo --repo-type space --local-dir uniformer_video_demo cd uniformer_video_demo
Uniformer_video_demo 是 Sense-X 做的 Gradio 应用,用来展示它的 UniFormer 视频模型。仓库里有一份 Kinetics 类别列表、模型代码,以及棒球、悬浮滑板和瑜伽三段示例视频。看起来你给它一段视频,它就说出画面里的动作。
想看模型如何识别视频里动作的学生和开发者,或者想找一个把视频模型包进 Gradio 页面的简洁示例的人。
| Industry | Who uses it | How they use it | Example |
|---|---|---|---|
| 教育 | 计算机视觉学生 | 先试用演示,再阅读 uniformer.py 和 transforms.py 里的模型代码 | 运行自带的瑜伽视频 |
| 软件 | 开发者 | 把项目当作 Gradio 视频演示的参考写法 | 把示例视频换成自己的 |
| 研究 | 视觉研究人员 | 在几段视频上检验 Sense-X 的视频模型 | 对比它对棒球和悬浮滑板视频的回答 |
如果你需要处理长视频或大批量视频,可以跳过它,因为它只是单页演示。
| Use case | Who | What they get back |
|---|---|---|
| 在线体验动作识别 | 好奇的任何人 | 模型为视频选出的类别 |
| 阅读视频模型演示的代码 | 学生 | 一个围绕单个模型的简短 Python 项目 |
pip install -U huggingface_hub hf download Sense-X/uniformer_video_demo --repo-type space --local-dir uniformer_video_demo cd uniformer_video_demo pip install gradio pip install -r requirements.txt python app.py
在浏览器里打开 Space 页面,给它一段视频,或者选一个自带的示例。如果是本地副本,运行应用,然后打开 Gradio 为你打开的页面。
python app.py
| Tool | What it does |
|---|---|
| python app.py | 在你的电脑上启动 Gradio 应用 |
| hf download | 把 Space 的文件复制到本地文件夹 |
打开 Space,选择自带的瑜伽视频。应用应该会返回 UniFormer 模型为它选出的类别。页面没有说明输出格式,所以请看页面实际显示的内容。
如果你是新手,先用三段自带视频中的一段,看看页面返回什么。然后再试一段你自己的短视频。
如果你熟悉这个领域,应用指名了一个模型 Sense-X/uniformer_video,并在模型代码旁边放了一份 Kinetics 类别索引和一个 transforms 文件。页面没有说明模型大小或准确率。
一个 Gradio 演示,用 Sense-X 的 UniFormer 视频模型处理视频片段并给出类别,附带三个示例视频。适合想在浏览器里体验视频分类的学生和开发者。
由 Sense-X 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:Uniformer_video_demo 是 Sense-X 做的 Gradio 应用,用来展示它的 UniFormer 视频模型。仓库里有一份 Kinetics 类别列表、模型代码,以及棒球、悬浮滑板和瑜伽三段示例视频。看起来你给它一段视频,它就说出画面里的动作。
适合谁:想看模型如何识别视频里动作的学生和开发者,或者想找一个把视频模型包进 Gradio 页面的简洁示例的人。
Industry | Who uses it | How they use it | Example
教育 | 计算机视觉学生 | 先试用演示,再阅读 uniformer.py 和 transforms.py 里的模型代码 | 运行自带的瑜伽视频
软件 | 开发者 | 把项目当作 Gradio 视频演示的参考写法 | 把示例视频换成自己的
研究 | 视觉研究人员 | 在几段视频上检验 Sense-X 的视频模型 | 对比它对棒球和悬浮滑板视频的回答
如果你需要处理长视频或大批量视频,可以跳过它,因为它只是单页演示。
用在哪里:
Use case | Who | What they get back
在线体验动作识别 | 好奇的任何人 | 模型为视频选出的类别
阅读视频模型演示的代码 | 学生 | 一个围绕单个模型的简短 Python 项目
如何设置:
pip install -U huggingface_hub
hf download Sense-X/uniformer_video_demo --repo-type space --local-dir uniformer_video_demo
cd uniformer_video_demo
pip install gradio
pip install -r requirements.txt
python app.py
如何使用:在浏览器里打开 Space 页面,给它一段视频,或者选一个自带的示例。如果是本地副本,运行应用,然后打开 Gradio 为你打开的页面。
python app.py
Tool | What it does
python app.py | 在你的电脑上启动 Gradio 应用
hf download | 把 Space 的文件复制到本地文件夹
示例:打开 Space,选择自带的瑜伽视频。应用应该会返回 UniFormer 模型为它选出的类别。页面没有说明输出格式,所以请看页面实际显示的内容。
新手与专家:如果你是新手,先用三段自带视频中的一段,看看页面返回什么。然后再试一段你自己的短视频。
如果你熟悉这个领域,应用指名了一个模型 Sense-X/uniformer_video,并在模型代码旁边放了一份 Kinetics 类别索引和一个 transforms 文件。页面没有说明模型大小或准确率。
输入一段视频
transforms 处理画面帧
UniFormer 模型给视频打分
类别索引把分数对应到名称
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 |
|---|---|---|---|---|
| Uniformer_video_demo 本页 | 2 | 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。