Instructions to use TencentARC/QA-CLIP-ViT-L-14 with libraries, inference providers, notebooks, and local apps. Follow these links to get started.
- Libraries
- Transformers
How to use TencentARC/QA-CLIP-ViT-L-14 with Transformers:
# Use a pipeline as a high-level helper from transformers import pipeline pipe = pipeline("zero-shot-image-classification", model="TencentARC/QA-CLIP-ViT-L-14") pipe( "https://huggingface.co/datasets/huggingface/documentation-images/resolve/main/hub/parrots.png", candidate_labels=["animals", "humans", "landscape"], )# Load model directly from transformers import AutoProcessor, AutoModelForZeroShotImageClassification processor = AutoProcessor.from_pretrained("TencentARC/QA-CLIP-ViT-L-14") model = AutoModelForZeroShotImageClassification.from_pretrained("TencentARC/QA-CLIP-ViT-L-14") - Notebooks
- Google Colab
- Kaggle
Update README_CN.md
Browse files- README_CN.md +1 -1
README_CN.md
CHANGED
|
@@ -2,7 +2,7 @@
|
|
| 2 |
# 项目介绍
|
| 3 |
本项目旨在提供更好的中文CLIP模型。该项目使用的训练数据均为公开可访问的图像URL及相关中文文本描述,总量达到400M。经过筛选后,我们最终使用了100M的数据进行训练。
|
| 4 |
本项目于QQ-ARC Joint Lab, Tencent PCG完成。
|
| 5 |
-
更详细的信息可以参考[QA-CLIP项目的主页面](https://huggingface.co/TencentARC/QA-CLIP)。
|
| 6 |
<br><br>
|
| 7 |
|
| 8 |
## 实验结果
|
|
|
|
| 2 |
# 项目介绍
|
| 3 |
本项目旨在提供更好的中文CLIP模型。该项目使用的训练数据均为公开可访问的图像URL及相关中文文本描述,总量达到400M。经过筛选后,我们最终使用了100M的数据进行训练。
|
| 4 |
本项目于QQ-ARC Joint Lab, Tencent PCG完成。
|
| 5 |
+
更详细的信息可以参考[QA-CLIP项目的主页面](https://huggingface.co/TencentARC/QA-CLIP)。我们也在github上开源了模型,[QA-CLIP](https://github.com/TencentARC-QQ/QA-CLIP),welcome to star!
|
| 6 |
<br><br>
|
| 7 |
|
| 8 |
## 实验结果
|