---
title: iris
canonical_url: "https://www.modelscope.cn/models/xiezuoru/iris"
md_url: "https://www.modelscope.cn/models/xiezuoru/iris.md"
repository: xiezuoru/iris
chinese_name: "鸢尾花分类"
last_updated: 2024-10-20
license: "Apache License 2.0"
library_name:
  - onnx
  - pytorch
frameworks:
  - Pytorch
downloads: 81
stars: 0
---

# iris

> iris - xiezuoru 在 ModelScope 开源的模型。用于测试鸢尾花分类，使用BaseNN搭建的全连接神经网络训练，提供了全部的数据和代码，可以作为教学案例。

xiezuoru/iris 是 ModelScope 魔搭社区上的机器学习模型，采用 Apache License 2.0 许可。

- **Repository**: xiezuoru/iris
- **License**: Apache License 2.0
- **Downloads**: 81
- **Stars**: 0
- **Last updated**: 2024-10-20

Source: https://www.modelscope.cn/models/xiezuoru/iris

---

本文件为repo功能撰写。
在XEduHub下使用方式：

from XEdu.hub import Workflow as wf
model = wf(repo='xiezuoru/iris')
data = [[5.9, 3. , 4.2, 1.5]]
res = model.inference(data)
print(res)

项目简介：
鸢尾花是一种常见的观赏类植物，在全球有着大量的变种。研究鸢尾花的分类问题，对解决植物分类识别问题有着重要的引导作用。
本项目核心功能是搭建全连接神经网络，使用经典的鸢尾花数据集完成鸢尾花分类，最后完成了一个简单的鸢尾花分类小应用，输入花萼长度、宽度、花瓣长度、宽度，可以输出预测结果。


---
frameworks:
- Pytorch
license: Apache License 2.0
tasks:
- other

#model-type:
##如 gpt、phi、llama、chatglm、baichuan 等
#- gpt

#domain:
##如 nlp、cv、audio、multi-modal
#- nlp

#language:
##语言代码列表 https://help.aliyun.com/document_detail/215387.html?spm=a2c4g.11186623.0.0.9f8d7467kni6Aa
#- cn 

#metrics:
##如 CIDEr、Blue、ROUGE 等
#- CIDEr

#tags:
##各种自定义，包括 pretrained、fine-tuned、instruction-tuned、RL-tuned 等训练方法和其他
#- pretrained

#tools:
##如 vllm、fastchat、llamacpp、AdaSeq 等
#- vllm
---
### 当前模型的贡献者未提供更加详细的模型介绍。模型文件和权重，可浏览“模型文件”页面获取。
#### 您可以通过如下git clone命令，或者ModelScope SDK来下载模型

SDK下载
```bash
#安装ModelScope
pip install modelscope
```
```python
#SDK模型下载
from modelscope import snapshot_download
model_dir = snapshot_download('xiezuoru/iris')
```
Git下载
```
#Git模型下载
git clone https://www.modelscope.cn/xiezuoru/iris.git
```

<p style="color: lightgrey;">如果您是本模型的贡献者，我们邀请您根据<a href="https://modelscope.cn/docs/ModelScope%E6%A8%A1%E5%9E%8B%E6%8E%A5%E5%85%A5%E6%B5%81%E7%A8%8B%E6%A6%82%E8%A7%88" style="color: lightgrey; text-decoration: underline;">模型贡献文档</a>，及时完善模型卡片内容。</p>