Характеристики

Параметры: 113 млн
Лицензия: Apache 2.0
Архитектура: vit · dense
Опубликована: 18 мая 2022

Ссылки

Hugging Face

Vit-Cifar100

Ahmed9275

Классификация изображенийИзображение → label3 профессии

Дообученная на CIFAR-100 модель ViT для классификации изображений по 100 классам датасета.

548скачиваний за 30 дней6лайковвеса обновлены19 мая 2022

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

Ahmed9275/Vit-Cifar100 — модель классификации изображений на архитектуре Vision Transformer (ViT), дообученная на датасете CIFAR-100 на основе google/vit-base-patch16-224-in21k. Она предназначена для отнесения изображений к классам CIFAR-100. В README указана точность 0,8985 и значение loss 0,4420 на оценочной выборке.

Модель содержит 113,2 млн параметров и распространяется в формате PyTorch. Лицензия — Apache-2.0. Карточка не описывает ограничения и условия применения помимо лицензии.

Сценарии применения

классификация изображений по классам CIFAR-100
распознавание объектов на небольших изображениях
эксперименты с Vision Transformer на CIFAR-100

Ограничения

Модель дообучена на CIFAR-100, поэтому её назначение ограничено классификацией в рамках классов этого датасета; точность на других данных не приведена.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

II.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделей II.2Разработка и данныеСоздание и понимание программного кодаAI помогает писать, объяснять и связывать программный код с требованиями и существующей системой.20 задач21 443модели II.8Разработка и данныеИнженерия данных и аналитикаAI помогает готовить надёжные данные и превращать их в понятную аналитику.22 задачи23 488моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

vit-base-beans-demo-v5

This model is a fine-tuned version of google/vit-base-patch16-224-in21k on the Cifar100 dataset. It achieves the following results on the evaluation set:

Loss: 0.4420
Accuracy: 0.8985

Model description

More information needed

Intended uses & limitations

More information needed

Training and evaluation data

More information needed

Training procedure

Training hyperparameters

The following hyperparameters were used during training:

learning_rate: 0.0002
train_batch_size: 16
eval_batch_size: 8
seed: 42
optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
lr_scheduler_type: linear
num_epochs: 4
mixed_precision_training: Native AMP

Training results

Training Loss	Epoch	Step	Validation Loss	Accuracy
1.08	1.0	3125	0.6196	0.8262
0.3816	2.0	6250	0.5322	0.8555
0.1619	3.0	9375	0.4817	0.8765
0.0443	4.0	12500	0.4420	0.8985

Framework versions

Transformers 4.19.2
Pytorch 1.11.0+cu113
Datasets 2.2.1
Tokenizers 0.12.1

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · image-classification

Можно запустить

Подбираем GPU…

Класс архитектуры: ViTForImageClassification
Ревизия весов: 33677f4