地球资源数据云——数据资源详情
开源预训练模型数据集
该数据集《Open Source Pre - trained Models Dataset》主要用于多分类任务，数据形态以图像为主。 题目说明：A comprehensive metadata of open source pre - trained models on kaggle 任务类型：图像多分类。 建议流程：先检查类别分布与脏样本，再用迁移学习（如 ResNet/EfficientNet）建立基线。 评估建议：使用分层切分或交叉验证，优先关注 F1、Recall、AUC 等分类指标。 可用文件：kaggle_models.csv。 该数据集包含有关 Kaggle 上可用的各种开源预训练模型的信息。这些模型可用于各种机器学习和深度学习任务，例如图像分类、自然语言处理、对象检测等。该数据集具有以下功能： - url：Kaggle 上模型页面的链接 - title：模型的名称 - description：模型的简要概述。 - model_details：组织、模型的变体数量等。架构、输入/输出格式、参数等。 - votes：模型从 Kaggle 社区收到的赞成票数。该数据集对于任何想要探索不同的预训练模型并比较其性能和功能的人来说都是有用的。它还可以帮助找到针对特定问题或领域的合适模型。
摘要概览
该数据集《Open Source Pre - trained Models Dataset》主要用于多分类任务，数据形态以图像为主。 题目说明：A comprehensive metadata of open source pre - trained models on kaggle
任务类型：图像多分类。
建议流程：先检查类别分布与脏样本，再用迁移学习（如 ResNet/EfficientNet）建立基线。
评估建议：使用分层切分或交叉验证，优先关注 F1、Recall、AUC 等分类指标。
可用文件：kaggle_models.csv。
该数据集包含有关 Kaggle 上可用的各种开源预训练模型的信息。这些模型可用于各种机器学习和深度学习任务，例如图像分类、自然语言处理、对象检测等。该数据集具有以下功能： - url：Kaggle 上模型页面的链接 - title：模型的名称 - description：模型的简要概述。 - model_details：组织、模型的变体数量等。架构、输入/输出格式、参数等。 - votes：模型从 Kaggle 社区收到的赞成票数。该数据集对于任何想要探索不同的预训练模型并比较其性能和功能的人来说都是有用的。它还可以帮助找到针对特定问题或领域的合适模型。