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。
frgfm 做的 Docker 应用,为 PyTorch 模型生成类激活图,比如 CAM 和 Grad-CAM,显示图像模型看了哪里。适合想在浏览器里看它输出的开发者。
TorchCAM 类激活图 是一款工具包,属于开发类,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 frgfm/torch-cam --repo-type space --local-dir torch-cam cd torch-cam
TorchCAM 是 frgfm 做的基于 Docker 的应用,为 PyTorch 模型生成类激活图。README 的一行文字举了 CAM 和 Grad-CAM 作为例子。这类图能显示模型依据了图片的哪些部分。这个 Space 在 Hugging Face 的基础 CPU 硬件上运行,端口是 8501。
如果你是机器学习开发者或学生,想不写代码就看看图像模型为什么做出某个判断,它就适合你。
| 行业 | 谁在用 | 怎么用 | 例子 |
|---|---|---|---|
| 机器学习 | 模型开发者 | 检查视觉模型关注什么 | 跑一张图片,读激活图 |
| 研究 | 可解释性研究者 | 并排试用激活图方法 | 比较两种方法的输出 |
| 教育 | 学生 | 看解释图是什么样子 | 试一张只有一个物体的照片 |
如果你想在自己的代码里运行这些图,可以跳过它,因为这是浏览器演示。
| 使用场景 | 谁用 | 得到什么 |
|---|---|---|
| 解释一个预测 | 开发者 | 一张图像的类激活图 |
| 讲解这个概念 | 讲师 | 模型注意力的直观例子 |
| 在本地试用演示 | 开发者 | 在容器里运行的同一个应用 |
pip install -U huggingface_hub hf download frgfm/torch-cam --repo-type space --local-dir torch-cam cd torch-cam docker build -t torch-cam . docker run -it -p 8501:8501 torch-cam
打开这个 Space,给它一张图片。README 没有给出步骤,所以请按页面自己的控件操作。运行上面的 docker run 命令之后,在你自己机器的 8501 端口上用浏览器打开应用。
docker run -it -p 8501:8501 torch-cam
在线打开这个 Space,给它一张只有一个物体的清晰照片。你应该会得到一张图,显示图片的哪些部分对模型重要,不过 README 没有描述这些控件。
如果你是新手,可以把这张图想成显示模型看了哪里的热力叠加层。先试一张主体清晰的照片。
如果你熟悉这个领域,这个 Space 是一个 Dockerfile 加一个 src 文件夹,在 8501 端口提供应用。README 那一行提到了 CAM 和 Grad-CAM,它们是标准的类激活图方法。记录里还列出了几个语言和视觉模型,README 没有解释它们在这个演示里的作用。
frgfm 做的 Docker 应用,为 PyTorch 模型生成类激活图,比如 CAM 和 Grad-CAM,显示图像模型看了哪里。适合想在浏览器里看它输出的开发者。
由 frgfm 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:TorchCAM 是 frgfm 做的基于 Docker 的应用,为 PyTorch 模型生成类激活图。README 的一行文字举了 CAM 和 Grad-CAM 作为例子。这类图能显示模型依据了图片的哪些部分。这个 Space 在 Hugging Face 的基础 CPU 硬件上运行,端口是 8501。
适合谁:如果你是机器学习开发者或学生,想不写代码就看看图像模型为什么做出某个判断,它就适合你。
行业 | 谁在用 | 怎么用 | 例子
机器学习 | 模型开发者 | 检查视觉模型关注什么 | 跑一张图片,读激活图
研究 | 可解释性研究者 | 并排试用激活图方法 | 比较两种方法的输出
教育 | 学生 | 看解释图是什么样子 | 试一张只有一个物体的照片
如果你想在自己的代码里运行这些图,可以跳过它,因为这是浏览器演示。
用在哪里:
使用场景 | 谁用 | 得到什么
解释一个预测 | 开发者 | 一张图像的类激活图
讲解这个概念 | 讲师 | 模型注意力的直观例子
在本地试用演示 | 开发者 | 在容器里运行的同一个应用
如何设置:
pip install -U huggingface_hub
hf download frgfm/torch-cam --repo-type space --local-dir torch-cam
cd torch-cam
docker build -t torch-cam .
docker run -it -p 8501:8501 torch-cam
如何使用:打开这个 Space,给它一张图片。README 没有给出步骤,所以请按页面自己的控件操作。运行上面的 docker run 命令之后,在你自己机器的 8501 端口上用浏览器打开应用。
docker run -it -p 8501:8501 torch-cam
示例:在线打开这个 Space,给它一张只有一个物体的清晰照片。你应该会得到一张图,显示图片的哪些部分对模型重要,不过 README 没有描述这些控件。
新手与专家:如果你是新手,可以把这张图想成显示模型看了哪里的热力叠加层。先试一张主体清晰的照片。
如果你熟悉这个领域,这个 Space 是一个 Dockerfile 加一个 src 文件夹,在 8501 端口提供应用。README 那一行提到了 CAM 和 Grad-CAM,它们是标准的类激活图方法。记录里还列出了几个语言和视觉模型,README 没有解释它们在这个演示里的作用。
你给应用一张图片
PyTorch 模型对它分类
CAM 方法追踪它看了哪里
页面显示激活图
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 |
|---|---|---|---|---|
| TorchCAM 类激活图 本页 | 16 | docker | apache-2.0 | |
| Anime Recommendation System共有 streamlit | 9 | streamlit | apache-2.0 | |
| Image Text Detection共有 streamlit | 6 | streamlit | mit | |
| Spacy Ner共有 streamlit | 2 | streamlit | cc-by-nc-sa-4.0 | |
| NER Biomedical PHI Ensemble共有 streamlit | 2 | streamlit | mit | |
| Harry Potter Q A共有 streamlit | 1 | streamlit | afl-3.0 |
Hacker News、Bluesky、X、Reddit、Facebook 和 YouTube 上提到这个项目的帖子和评论,来自每周一次的搜索和 Trendshift。它们不是 Mindket 写的,也未经核实,点开即可在原帖处阅读。
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。
alpindale · 工具包
用一个只有约 984 个权重的小型神经网络,为 C 源代码的每个字符打上语法高亮标签,通过一个小小的 C 程序运行。适合对手工设计的网络好奇的开发者和研究者。
prithivMLmods · 工具包
在浏览器或你自己的电脑上,用一个 Gradio 应用试用 FLUX.2 Klein 图像模型的一组 LoRA。适合制作或测试 AI 图片的人。
Sokheng · 工具包
这个模型从文档、收据和路牌照片里读取高棉语和英语文字,用一个检测器找文本行,再用识别器读每一行。适合需要在 Python 里做高棉语 OCR 的开发者。