Pular para o conteúdo
Local AI Wizard
Sua máquina
Tema

siglip-base-patch16-224

Google · google/siglip-base-patch16-224

Licença dos pesos: Apache 2.0 · código e componentes podem ter outros termos

Downloads no Hub · 30 dias1,1 miPopularidade, não qualidade · lido em 2026-10-25
Memória necessária~3 GBEstimativa 16 bits · não medida
Parâmetros0,2 BTotal de safetensors no Hub
Repositório atualizado2024-09-26Um commit não é data de lançamento

Qualidade

Sem score comparável

Ainda não acompanhamos benchmark público e comparável que cubra este modelo. Nenhuma nota é inferida.

Informado pelo publicador

A ficha do publicador não informa resultado de benchmark para este checkpoint (lida em 2026-10-25). não publicado na ficha · lida em 2026-10-25

Roda em

Cabe na memória rápida 119

A estimativa de planejamento cabe na memória que o modelo usa rápido: a VRAM da placa de vídeo, ou a memória unificada dentro da fatia de GPU do macOS.

Mostrar todos os 119

Perfis de hardware agrupados por uma estimativa de planejamento de 16 bits, rotulada, a partir da contagem de parâmetros do Hugging Face (2 bytes por parâmetro, 20% de margem, 2 GB de reserva): encoders de visão clássicos normalmente não são quantizados. Tamanho da imagem e do lote mudam o requisito real. Não é compatibilidade medida.

Considere para

siglip-base-patch16-224, de Google (o publicador não informa data de lançamento): um encoder de imagem e texto para classificação zero-shot e busca, com 200M parâmetros pela contagem do Hugging Face e licença Apache 2.0.

Confira antes

Licença: uso comercial permitido. A estimativa de 16 bits é de cerca de 3 GB com reserva; tamanho da imagem e lote mudam o valor real.

Velocidade medida

Nenhuma medição publicada para este checkpoint

Tokens por segundo só aparecem quando uma fonte os publica com hardware, build e configuração. Nunca são estimados.

Como rodar

Compatibilidade de runtime e tokens por segundo não foram medidos para este registro. Metadados publicados e estimativa de memória não comprovam uma execução local.

Biblioteca na fonte: transformers

Formas documentadas de rodar

Copiado como aparece na fonte vinculada (lida em 2026-10-18); não executado por este site.

Transformers · ficha do modelo · How to use
from PIL import Image
import requests
from transformers import AutoProcessor, AutoModel
import torch

model = AutoModel.from_pretrained("google/siglip-base-patch16-224")
processor = AutoProcessor.from_pretrained("google/siglip-base-patch16-224")

url = "http://images.cocodataset.org/val2017/000000039769.jpg"
image = Image.open(requests.get(url, stream=True).raw)

texts = ["a photo of 2 cats", "a photo of 2 dogs"]
inputs = processor(text=texts, images=image, padding="max_length", return_tensors="pt")

with torch.no_grad():
    outputs = model(**inputs)

logits_per_image = outputs.logits_per_image
probs = torch.sigmoid(logits_per_image) # these are the probabilities
print(f"{probs[0][0]:.1%} that image 0 is '{texts[0]}'")
Transformers · ficha do modelo · How to use
from transformers import pipeline
from PIL import Image
import requests

# load pipe
image_classifier = pipeline(task="zero-shot-image-classification", model="google/siglip-base-patch16-224")

# load image
url = 'http://images.cocodataset.org/val2017/000000039769.jpg'
image = Image.open(requests.get(url, stream=True).raw)

# inference
outputs = image_classifier(image, candidate_labels=["2 cats", "a plane", "a remote"])
outputs = [{"score": round(output["score"], 4), "label": output["label"] } for output in outputs]
print(outputs)

Escolher meu computador

Detalhes técnicos

O que a fonte e o catálogo guardam deste checkpoint. Campos ausentes ficam de fora, nunca como zero.

Tarefa
zero-shot-image-classification
Arquitetura
SiglipModel
Biblioteca na fonte
transformers
Licença dos pesos
Apache 2.0google/siglip-base-patch16-224 model card (Hugging Face) · consultado em 2026-10-18fonte
Uso comercial
Permitido Apache License 2.0 text (SPDX) · consultado em 2026-10-18texto da licença
Lançamento
Não informado pelo publicador. Card lido; o README google-research/big_vision do publicador (todas as revisões) aponta os modelos SigLIP sem data, o artigo do SigLIP (arXiv 2303.15343, v1 2023-03-27) não anuncia estes checkpoints e o índice do blog do Hugging Face não tem post sobre SigLIP. Nenhuma data é inferida do artigo, de commits ou do repositório.Verificado em 2026-10-18.fonte consultada
Todos os campos guardados11 campos
Revisão conferida
7fd15f0689c79d79e38b1c2e2e2370a7bf2761ed
Arquitetura
SiglipModel
Biblioteca
transformers
Tag de tarefa no Hub
zero-shot-image-classification
Formatos
transformers, pytorch, safetensors
Acesso
Download aberto
Tipo de publicador
Oficial
Repositório criado
2023-09-30criação não é o lançamento do modelo
Repositório atualizado
2024-09-26um commit não é data de lançamento
Downloads no Hub (30 dias) · curtidas
1.084.847 · 103só este repositório · lido em 2026-10-25
Estado no catálogo
Config ou pesos encontrados no Hub; sem vínculo de benchmark no inventário

Fontes

Identidade e especificações publicadas vêm da página do checkpoint. As notas pertencem à rodada indicada e não medem velocidade no seu computador.

Fatos curados verificados: 2026-10-18. A licença e a data de lançamento citam as fontes do publicador; parâmetros, arquivos e tarefa vêm do registro do Hugging Face, e a memória é uma estimativa rotulada a partir da contagem de parâmetros. Um valor que nenhuma fonte informa fica vazio; um commit do repositório não é a data de lançamento do modelo.