/ Модель

Характеристики

Параметры
33 млн
Лицензия
Apache 2.0
Архитектура
swin · dense
Опубликована
31 мая 2023

cfe-telmex-classification-finetuned-v2

Классификация изображенийИзображение → label4 профессии

Дообученная Swin-модель для классификации изображений по категориям.

10скачиваний за 30 дней0лайковвеса обновлены31 мая 2023

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

JoseVilla/cfe-telmex-classification-finetuned-v2 — модель классификации изображений, разработанная JoseVilla и дообученная на основе JoseVilla/cfe-telmex-classification-finetuned-v1. Она построена на архитектуре Swin и содержит около 33 млн параметров. Модель предназначена для отнесения изображений к категориям; конкретные классы и целевые сценарии в карточке не описаны.

На указанном наборе для оценки модель достигла accuracy 1,0 и loss 0,1568. Эти результаты относятся только к приведённому набору и не гарантируют такого же качества на других данных. Модель распространяется в формате PyTorch по лицензии Apache-2.0.

Сценарии применения

  • классификация изображений по заданным категориям
  • автоматическая сортировка изображений в наборе данных
  • построение прототипа классификатора изображений на базе Swin

Ограничения

Назначение категорий и состав обучающих и оценочных данных в карточке не раскрыты. Метрика accuracy 1,0 приведена только для указанного оценочного набора и не характеризует обобщение на другие данные.

Для каких профессий подходит4

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

cfe-telmex-classification-finetuned-v2

This model is a fine-tuned version of JoseVilla/cfe-telmex-classification-finetuned-v1 on the imagefolder dataset. It achieves the following results on the evaluation set:

  • Loss: 0.1568
  • Accuracy: 1.0

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: 32
  • eval_batch_size: 32
  • seed: 42
  • gradient_accumulation_steps: 4
  • total_train_batch_size: 128
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • lr_scheduler_warmup_ratio: 0.1
  • num_epochs: 10

Training results

Training LossEpochStepValidation LossAccuracy
No log1.020.37490.7586
No log2.040.15681.0
No log3.060.04951.0
No log4.080.01881.0
0.1365.0100.00871.0
0.1366.0120.00601.0
0.1367.0140.00631.0
0.1368.0160.00391.0
0.1369.0180.00181.0
0.012910.0200.00151.0

Framework versions

  • Transformers 4.29.2
  • Pytorch 2.0.1+cu118
  • Datasets 2.12.0
  • Tokenizers 0.13.3

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
SwinForImageClassification
Ревизия весов
6ff9f3f

0 моделей