siglip2-base-patch16-256
Google · google/siglip2-base-patch16-256
Licença dos pesos: Apache 2.0 · código e componentes podem ter outros termos
Qualidade
Sem score comparável
Ainda não acompanhamos benchmark público e comparável que cubra este modelo. Nenhuma nota é inferida.
Informado pelo publicador
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.
Google lançou siglip2-base-patch16-256 em 2025-02-20: um encoder de imagem e texto para classificação zero-shot e busca, com 400M parâmetros pela contagem do Hugging Face e licença Apache 2.0.
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.
from transformers import pipeline
# load pipeline
ckpt = "google/siglip2-base-patch16-256"
image_classifier = pipeline(model=ckpt, task="zero-shot-image-classification")
# load image and candidate labels
url = "http://images.cocodataset.org/val2017/000000039769.jpg"
candidate_labels = ["2 cats", "a plane", "a remote"]
# run inference
outputs = image_classifier(image, candidate_labels)
print(outputs)import torch
from transformers import AutoModel, AutoProcessor
from transformers.image_utils import load_image
# load the model and processor
ckpt = "google/siglip2-base-patch16-256"
model = AutoModel.from_pretrained(ckpt, device_map="auto").eval()
processor = AutoProcessor.from_pretrained(ckpt)
# load the image
image = load_image("https://huggingface.co/datasets/merve/coco/resolve/main/val2017/000000000285.jpg")
inputs = processor(images=[image], return_tensors="pt").to(model.device)
# run infernece
with torch.no_grad():
image_embeddings = model.get_image_features(**inputs)
print(image_embeddings.shape)Detalhes técnicos
O que a fonte e o catálogo guardam deste checkpoint. Campos ausentes ficam de fora, nunca como zero.
- Checkpoint / fonte
- google/siglip2-base-patch16-256
- Tarefa
- zero-shot-image-classification
- Biblioteca na fonte
- transformers
- Licença dos pesos
- Apache 2.0google/siglip2-base-patch16-256 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
- SigLIP 2: Multilingual Vision-Language Encoders ... (arXiv 2502.14786 v1, Google DeepMind) · consultado em 2026-10-18fonte
Todos os campos guardados
- Revisão conferida
- 3f9f96cb90da5dbc758b01813f2f6f1aee24c1ab
- Biblioteca
- transformers
- Tag de tarefa no Hub
- zero-shot-image-classification
- Formatos
- transformers, safetensors
- Acesso
- Download aberto
- Tipo de publicador
- Oficial
- Repositório criado
- 2025-02-17criação não é o lançamento do modelo
- Repositório atualizado
- 2025-02-21um commit não é data de lançamento
- Downloads no Hub (30 dias) · curtidas
- 512.392 · 26só 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.
- Ficha do publicador
- Licença: google/siglip2-base-patch16-256 model card (Hugging Face)
- Data de lançamento: SigLIP 2: Multilingual Vision-Language Encoders ... (arXiv 2502.14786 v1, Google DeepMind)
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.






























































