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。
用一个在浏览器里运行的小模型,把一篇基隆迪语新闻文章归入 10 个主题之一。这是一个静态网页演示,可在线打开,也可从本地副本打开。
Kirundi News Topic Classifier 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 ReneNtabana/kirundi-news-classifier --repo-type space --local-dir kirundi-news-classifier cd kirundi-news-classifier
这个 Space 是一个静态网页,把基隆迪语新闻文章分到 10 个主题里。模型是微调过的 AfroXLMR-base,int8 ONNX 形式,通过 transformers.js 在你的浏览器里运行。
因为模型在页面里本地运行,你粘贴的文字是在你自己的电脑上处理的。
适合处理基隆迪语文本的人,包括记者、研究者和研究非洲语言处理的学生。开发者可以看看小型分类器是怎样在浏览器里运行的。
| Industry | Who uses it | How they use it | Example |
|---|---|---|---|
| 新闻 | 新闻编辑部人员 | 粘贴一篇文章,读它被预测的主题 | 按主题整理一批基隆迪语报道 |
| 研究 | 语言研究者 | 在真实文章上试用模型 | 看看它怎样处理不同的新闻主题 |
| 教育 | 学生 | 打开页面,用示例文本 | 了解文本分类器的表现 |
| AI 开发 | 开发者 | 阅读 index.html 和 normalise.js | 把这个浏览器端的做法用到另一个模型上 |
如果你的文字不是基隆迪语,或者需要模型的十个主题之外的主题,可以跳过。
这个页面可以在下面这些地方运行。
| Use case | Who | What they get back |
|---|---|---|
| 分类一篇文章 | 记者 | 模型给出的主题标签 |
| 试用示例文本 | 学生 | 可供学习的示例结果 |
| 研究浏览器端做法 | 开发者 | 一个带规范化脚本的小型静态网站 |
在线使用只需要浏览器。本地副本需要下面这些。
pip install -U huggingface_hub hf download ReneNtabana/kirundi-news-classifier --repo-type space --local-dir kirundi-news-classifier cd kirundi-news-classifier
打开 Space 页面,或者打开本地副本里的 index.html。粘贴或选择一篇基隆迪语新闻文本并运行分类器。页面会显示模型选中了十个主题里的哪一个。
你打开页面,选一个示例文本或粘贴一篇基隆迪语新闻文章并运行。页面随后显示模型给这篇文章的主题。
如果你是新手,打开 Space 页面,先从一个自带的示例文本开始。这样你在粘贴自己的文章之前,就能看到输出是什么样子。
如果你熟悉这个领域:这个演示用 transformers.js 运行为 10 类主题分类微调的 AfroXLMR-base 的 int8 ONNX 导出模型,由 normalise.js 文件处理文本。代价是模型在客户端运行,省去服务器,但需要一次性下载权重。
仓库一共有六个文件,顶层有 index.html、normalise.js、style.css 和一个 examples.json 文件。README 指向另一个存放实验和报告的代码仓库。
用一个在浏览器里运行的小模型,把一篇基隆迪语新闻文章归入 10 个主题之一。这是一个静态网页演示,可在线打开,也可从本地副本打开。
由 ReneNtabana 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 是一个静态网页,把基隆迪语新闻文章分到 10 个主题里。模型是微调过的 AfroXLMR-base,int8 ONNX 形式,通过 transformers.js 在你的浏览器里运行。
因为模型在页面里本地运行,你粘贴的文字是在你自己的电脑上处理的。
适合谁:适合处理基隆迪语文本的人,包括记者、研究者和研究非洲语言处理的学生。开发者可以看看小型分类器是怎样在浏览器里运行的。
Industry | Who uses it | How they use it | Example
新闻 | 新闻编辑部人员 | 粘贴一篇文章,读它被预测的主题 | 按主题整理一批基隆迪语报道
研究 | 语言研究者 | 在真实文章上试用模型 | 看看它怎样处理不同的新闻主题
教育 | 学生 | 打开页面,用示例文本 | 了解文本分类器的表现
AI 开发 | 开发者 | 阅读 index.html 和 normalise.js | 把这个浏览器端的做法用到另一个模型上
如果你的文字不是基隆迪语,或者需要模型的十个主题之外的主题,可以跳过。
用在哪里:这个页面可以在下面这些地方运行。
Use case | Who | What they get back
分类一篇文章 | 记者 | 模型给出的主题标签
试用示例文本 | 学生 | 可供学习的示例结果
研究浏览器端做法 | 开发者 | 一个带规范化脚本的小型静态网站
如何设置:在线使用只需要浏览器。本地副本需要下面这些。
pip install -U huggingface_hub
hf download ReneNtabana/kirundi-news-classifier --repo-type space --local-dir kirundi-news-classifier
cd kirundi-news-classifier
如何使用:打开 Space 页面,或者打开本地副本里的 index.html。粘贴或选择一篇基隆迪语新闻文本并运行分类器。页面会显示模型选中了十个主题里的哪一个。
示例:你打开页面,选一个示例文本或粘贴一篇基隆迪语新闻文章并运行。页面随后显示模型给这篇文章的主题。
新手与专家:如果你是新手,打开 Space 页面,先从一个自带的示例文本开始。这样你在粘贴自己的文章之前,就能看到输出是什么样子。
如果你熟悉这个领域:这个演示用 transformers.js 运行为 10 类主题分类微调的 AfroXLMR-base 的 int8 ONNX 导出模型,由 normalise.js 文件处理文本。代价是模型在客户端运行,省去服务器,但需要一次性下载权重。
在浏览器里打开页面
粘贴或选一篇基隆迪语文章
normalise.js 清理文本
ONNX 模型给出主题标签
注意事项:仓库一共有六个文件,顶层有 index.html、normalise.js、style.css 和一个 examples.json 文件。README 指向另一个存放实验和报告的代码仓库。
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 |
|---|---|---|---|---|
| Kirundi News Topic Classifier 本页 | 1 | static | mit | |
| Arena Leaderboard共有 static | 5,039 | static | apache-2.0 | |
| Browser共有 static | 533 | static | cc0-1.0 | |
| Model Pulse共有 static | 214 | static | apache-2.0 | |
| MTEB-BR Leaderboard共有 static | 126 | static | apache-2.0 | |
| Hub Stats共有 static | 65 | static | apache-2.0 |
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。