Nanosaur2-670M
well9472 · 工具包
用一个 670M 参数的小型扩散模型,根据文字提示生成插画,在 ComfyUI 中运行。这是一个低预算的研究模型,适合想试用或训练自己 LoRA 的人。
在 Gradio 演示里用一个保存好的 CNN 模型对阿尔茨海默病的阶段做分类。适合探索健康数据上的机器学习的人,不能用于医疗决策。
Axon Alzheimer Detection 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 BoTahex/axon-alzheimer-detection --repo-type space --local-dir axon-alzheimer-detection cd axon-alzheimer-detection
这个 Space 是一个对阿尔茨海默病阶段做分类的 Gradio 演示。它自带一个保存好的 CNN 模型文件 alzheimer_cnn_model.h5,和一个负责提供它的应用文件。README 只有一个标题,所以仓库没有描述训练数据、输入或任何准确率。
它适合想要一个把分类器打包成 Gradio 应用的小例子的学生和开发者,也适合想看这类演示是怎么搭起来的研究者。
| 行业 | 谁在用 | 怎么用 | 例子 |
|---|---|---|---|
| 软件 | 开发者 | 阅读 app.py,了解保存好的模型是如何在 Gradio 里加载的 | 复制这个 Space,作为另一个分类器演示的基础 |
| 研究 | 机器学习研究者 | 打开托管演示,看它预测什么 | 和自己的分类器做比较 |
| 教育 | 学生 | 研究一个小型的端到端模型演示 | 顺着文件列表从模型一路看到界面 |
如果你需要真正用于医疗的工具,可以跳过它,因为仓库没有做任何临床声明,也没有给出准确率数字。
| 使用场景 | 谁用 | 能得到什么 |
|---|---|---|
| 试用分类器 | 好奇的任何人 | 浏览器里演示给出的阶段预测 |
| 研究打包方式 | 开发者 | 一个应用文件、一个模型文件和一份包列表 |
| 运行私有副本 | 开发者 | 用 python app.py 启动的一份副本 |
使用托管页面不需要你做任何准备。本地副本需要先备好下面两样东西。
pip install -U huggingface_hub hf download BoTahex/axon-alzheimer-detection --repo-type space --local-dir axon-alzheimer-detection cd axon-alzheimer-detection pip install gradio==6.19.0 pip install -r requirements.txt python app.py
在线使用时,打开 Space 页面,直接用那里的演示。在自己的电脑上,进入下载好的文件夹运行上面最后一条命令,然后使用它启动的演示。README 没有说明演示需要什么输入,所以请看页面本身。
| 工具 | 作用 |
|---|---|
| app.py | 启动 Gradio 演示 |
| alzheimer_cnn_model.h5 | 演示使用的、保存好的 CNN 模型 |
| requirements.txt | 列出应用需要的 Python 包 |
你在浏览器里打开 Space 页面,试用演示。返回的是演示自己对疾病阶段的预测,显示在页面里。在你的副本里运行 python app.py,就能在自己的机器上启动同样的演示。
如果你是新手,打开托管页面,看看它要什么输入。把任何结果都当作演示里的示例,而不是健康建议。
如果你熟悉这个领域,这个 Space 就是一个 app.py 加一个 Keras 风格的 CNN h5 模型文件,基于 Gradio 6.19.0 和 Python 3.13。仓库没有说明模型是怎么训练的、见过什么数据,或者是怎么检验的。
没有记录任何准确率、数据来源或验证,所以请谨慎对待输出。
在 Gradio 演示里用一个保存好的 CNN 模型对阿尔茨海默病的阶段做分类。适合探索健康数据上的机器学习的人,不能用于医疗决策。
由 BoTahex 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:这个 Space 是一个对阿尔茨海默病阶段做分类的 Gradio 演示。它自带一个保存好的 CNN 模型文件 alzheimer_cnn_model.h5,和一个负责提供它的应用文件。README 只有一个标题,所以仓库没有描述训练数据、输入或任何准确率。
适合谁:它适合想要一个把分类器打包成 Gradio 应用的小例子的学生和开发者,也适合想看这类演示是怎么搭起来的研究者。
行业 | 谁在用 | 怎么用 | 例子
软件 | 开发者 | 阅读 app.py,了解保存好的模型是如何在 Gradio 里加载的 | 复制这个 Space,作为另一个分类器演示的基础
研究 | 机器学习研究者 | 打开托管演示,看它预测什么 | 和自己的分类器做比较
教育 | 学生 | 研究一个小型的端到端模型演示 | 顺着文件列表从模型一路看到界面
如果你需要真正用于医疗的工具,可以跳过它,因为仓库没有做任何临床声明,也没有给出准确率数字。
用在哪里:
使用场景 | 谁用 | 能得到什么
试用分类器 | 好奇的任何人 | 浏览器里演示给出的阶段预测
研究打包方式 | 开发者 | 一个应用文件、一个模型文件和一份包列表
运行私有副本 | 开发者 | 用 python app.py 启动的一份副本
如何设置:使用托管页面不需要你做任何准备。本地副本需要先备好下面两样东西。
pip install -U huggingface_hub
hf download BoTahex/axon-alzheimer-detection --repo-type space --local-dir axon-alzheimer-detection
cd axon-alzheimer-detection
pip install gradio==6.19.0
pip install -r requirements.txt
python app.py
如何使用:在线使用时,打开 Space 页面,直接用那里的演示。在自己的电脑上,进入下载好的文件夹运行上面最后一条命令,然后使用它启动的演示。README 没有说明演示需要什么输入,所以请看页面本身。
工具 | 作用
app.py | 启动 Gradio 演示
alzheimer_cnn_model.h5 | 演示使用的、保存好的 CNN 模型
requirements.txt | 列出应用需要的 Python 包
示例:你在浏览器里打开 Space 页面,试用演示。返回的是演示自己对疾病阶段的预测,显示在页面里。在你的副本里运行 python app.py,就能在自己的机器上启动同样的演示。
新手与专家:如果你是新手,打开托管页面,看看它要什么输入。把任何结果都当作演示里的示例,而不是健康建议。
如果你熟悉这个领域,这个 Space 就是一个 app.py 加一个 Keras 风格的 CNN h5 模型文件,基于 Gradio 6.19.0 和 Python 3.13。仓库没有说明模型是怎么训练的、见过什么数据,或者是怎么检验的。
打开 Space 或运行 app.py
Gradio 加载保存好的 CNN 模型
你给演示提供输入
显示疾病阶段的预测
注意事项:没有记录任何准确率、数据来源或验证,所以请谨慎对待输出。
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 |
|---|---|---|---|---|
| Axon Alzheimer Detection 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 |
well9472 · 工具包
用一个 670M 参数的小型扩散模型,根据文字提示生成插画,在 ComfyUI 中运行。这是一个低预算的研究模型,适合想试用或训练自己 LoRA 的人。
Waqf-AI · 工具包
读取图片中的阿拉伯语手写文字并以文本形式返回。这是微调过的 PaddleOCR-VL 模型,适合要把阿拉伯语手写内容数字化的人。
Wan-AI · 工具包
根据文本提示或图像加文字生成视频片段,最高 720P、每秒 24 帧,Diffusers 格式,适合单块消费级 GPU。
udiboy1209 · 工具包
用一个小型神经反编译器从编译后的二进制代码中还原数学公式,并提供论文里的数据集和训练好的模型。适合逆向工程师和研究者。
udgamlabs · 工具包
把文字提示,或文字加首帧图片,变成 2 秒、256×256 的视频片段,使用 212M 参数的生成器。这是一个小型研究版本,最擅长海浪、火焰和下雪的天空。
Tsuboyama-Lab · 工具包
预测一条蛋白质序列在大肠杆菌里能以单体形式表达多少,单位为 log10 mg/L。提供 ESMC-6B 和 SaProt 的已训练 LoRA 适配器和回归头,面向蛋白质研究人员。