/ Модель

Характеристики

Контекст
40 токенов
Параметры
137 млн
Лицензия
Apache 2.0
Архитектура
vilt · dense
Базовая модель
vilt-b32-mlm
Опубликована
1 дек 2023

vilt_finetuned_200

Ответы на вопросыТекст → текст3 профессии

Дообученная ViLT-модель для ответов на текстовые вопросы о содержимом изображений.

108скачиваний за 30 дней0лайковвеса обновлены27 фев 2024

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

Atul8827/vilt_finetuned_200 — дообученная модель визуальных вопросов и ответов на основе dandelin/vilt-b32-mlm. Она принимает изображение вместе с текстовым вопросом и предназначена для ответа на вопросы о содержимом изображения. Модель использует архитектуру ViLT и содержит 136,7 млн параметров; для репозитория указаны веса safetensors и контекст длиной 40 токенов.

Карточка сообщает о дообучении на наборе данных, обозначенном как None, и приводит результаты оценки: loss 9,2119, accuracy 0,0 и F1 0,0. Эти показатели не подтверждают практическую точность модели. Лицензия — Apache-2.0.

Сценарии применения

  • ответы на вопросы о предметах и сценах на изображении
  • определение цвета, количества или положения объектов по вопросу
  • извлечение простых визуальных фактов из изображения

Ограничения

В README указаны accuracy 0,0 и F1 0,0 на оценочном наборе; результаты не подтверждают надёжность ответов. Данные обучения обозначены как None, а сведения о предназначении и ограничениях в карточке отсутствуют.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

vilt_finetuned_200

This model is a fine-tuned version of dandelin/vilt-b32-mlm on the None dataset. It achieves the following results on the evaluation set:

  • Loss: 9.2119
  • Accuracy: 0.0
  • F1: 0.0

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: 5e-05
  • train_batch_size: 1
  • eval_batch_size: 8
  • seed: 42
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • num_epochs: 1

Training results

Training LossEpochStepValidation LossAccuracyF1
4.10031.026789.21190.00.0

Framework versions

  • Transformers 4.37.0
  • Pytorch 2.1.2
  • Datasets 2.1.0
  • Tokenizers 0.15.1

Как запустить

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

GPU в ailist

Универсальный рантайм · question-answering

Нельзя запустить

Для архитектуры vilt нет загрузчика под задачу question-answering.

Класс архитектуры
ViltForQuestionAnswering
Ревизия весов
4ac42ef

0 моделей