全球 AI 聊天室 · 现在 12 人在线 进去聊聊
C
模型 已收录

CLIP convnext base w laion2B s13B b82K augreg

这是一个基于 ConvNeXt 架构且在 LAION-2B 大规模数据集上预训练的 CLIP 视觉-语言模型。相比于主流的 ViT 架构，它采用了纯卷积网络来处理图像，在保持强大特征提取能力的同时，对不同分辨率的图像适配更灵活。该模型擅长将图像和文本映射到同一个向量空间，非常适合需要精准图文匹配、以文搜图或作为下游多模态任务（如图像分类、零样本识别）特征提取器的开发者。上手难度较低，可直接作为 PyTorch 权重加载，是替代传统 ViT-CLIP 的一个高性能方案。

laionimage-text-retrieval
查看模型来源
01 / 模型卡片

模型卡片

这是一个基于 ConvNeXt 架构且在 LAION-2B 大规模数据集上预训练的 CLIP 视觉-语言模型。相比于主流的 ViT 架构，它采用了纯卷积网络来处理图像，在保持强大特征提取能力的同时，对不同分辨率的图像适配更灵活。该模型擅长将图像和文本映射到同一个向量空间，非常适合需要精准图文匹配、以文搜图或作为下游多模态任务（如图像分类、零样本识别）特征提取器的开发者。上手难度较低，可直接作为 PyTorch 权重加载，是替代传统 ViT-CLIP 的一个高性能方案。

模型类型image-text-retrieval
提供方laion
许可状态mit
02 / 文件与版本

模型文件与版本

模型卡片当前详情页记录的模型说明与元数据
已收录
来源仓库https://huggingface.co/laion/CLIP-convnext_base_w-laion2B-s13B-b82K-augreg
查看模型来源
版本信息请以来源仓库的最新版本为准
—
03 / 模型下载

下载模型

推荐使用 ModelScope 命令行或 SDK 下载。下载前请先安装 ModelScope，并根据需要选择完整模型、单个文件、SDK 或 Git LFS 方式。

当前条目来源为 Hugging Face；以下命令使用同名 ModelScope 仓库格式，请先确认该仓库在 ModelScope 中可用。 模型仓库: laion/CLIP-convnext_base_w-laion2B-s13B-b82K-augreg
安装 ModelScope

下载前先安装命令行和 SDK 依赖。

pip install modelscope
命令行下载完整模型库

下载完整模型权重、配置和模型卡片。

modelscope download --model laion/CLIP-convnext_base_w-laion2B-s13B-b82K-augreg
下载单个文件到指定目录

这里以 README.md 为例，也可以替换为仓库内的其他文件。

modelscope download --model laion/CLIP-convnext_base_w-laion2B-s13B-b82K-augreg README.md --local_dir ./dir
SDK 下载

适合在 Python 项目或自动化脚本中使用。

from modelscope import snapshot_download
model_dir = snapshot_download('laion/CLIP-convnext_base_w-laion2B-s13B-b82K-augreg')
Git 下载

请确保 Git LFS 已正确安装。

git lfs install
git clone https://www.modelscope.cn/laion/CLIP-convnext_base_w-laion2B-s13B-b82K-augreg.git
跳过 LFS 大文件下载

先获取仓库结构，之后再按需拉取大文件。

GIT_LFS_SKIP_SMUDGE=1 git clone https://www.modelscope.cn/laion/CLIP-convnext_base_w-laion2B-s13B-b82K-augreg.git
04 / 使用方法

如何使用

  1. 01
    步骤 1

    阅读模型卡片和来源信息。

  2. 02
    步骤 2

    从小型、非敏感任务开始评估。

  3. 03
    步骤 3

    核对输出质量、许可和使用限制。

  4. 04
    步骤 4

    验证通过后再纳入工作流。

05 / 讨论

讨论与反馈

这里保留讨论入口，方便继续核对来源、使用体验和维护状态。

前往来源页面