/ Модель

Характеристики

Контекст
1 024 токена
Архитектура
vision-encoder-decoder · dense
Базовая модель
IC_ver6F_coco_swin_gpt2_50B_1e
Опубликована
21 авг 2023

IC_ver6G_coco_swin_gpt2_50A_1e

Изображение и текст → текст

Дообученная на COCO модель Swin-GPT-2 создаёт текстовые описания изображений.

9скачиваний за 30 дней0лайковвеса обновлены21 авг 2023

Бенчмарки

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

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Изображение → текст» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

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

VK246/IC_ver6G_coco_swin_gpt2_50A_1e — модель семейства Swin-GPT-2, дообученная VK246 на датасете COCO на основе VK246/IC_ver6F_coco_swin_gpt2_50B_1e. Она принимает изображение и генерирует текстовое описание его содержимого. В метаданных указана архитектура VisionEncoderDecoderModel и формат PyTorch.

Модель предназначена для автоматического описания изображений. На оценочном наборе автор приводит Loss 0,7892, CIDEr 15,3553, ROUGE-1 41,9548 и BLEU-4 10,351. Карточка не сообщает о лицензии и ограничениях применения, поэтому условия использования по имеющимся данным определить нельзя.

Сценарии применения

  • автоматическое создание подписей к изображениям
  • генерация кратких описаний фотографий
  • подготовка текстовых описаний изображений из COCO

Ограничения

В README указаны метрики на оценочном наборе COCO, но не приведены подробности протокола оценки или известные ограничения. Лицензия в предоставленных данных не указана.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

IC_ver6G_coco_swin_gpt2_50A_1e

This model is a fine-tuned version of VK246/IC_ver6F_coco_swin_gpt2_50B_1e on the coco dataset. It achieves the following results on the evaluation set:

  • Loss: 0.7892
  • Cider: 15.3553
  • Rouge1: 41.9548
  • Rouge2: 16.3636
  • Rougel: 38.1268
  • Rougelsum: 38.1269
  • Bleu-1: 42.7082
  • Bleu-2: 24.7427
  • Bleu-3: 15.632
  • Bleu-4: 10.351
  • Gen Len: 11.2806

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: 96
  • eval_batch_size: 96
  • 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 LossCiderRouge1Rouge2RougelRougelsumBleu-1Bleu-2Bleu-3Bleu-4Gen Len
0.64620.3410000.819516.427541.241115.682637.427137.433242.161224.030715.01449.820411.2806
0.69230.6820000.789215.355341.954816.363638.126838.126942.708224.742715.63210.35111.2806

Framework versions

  • Transformers 4.31.0
  • Pytorch 2.0.1+cu118
  • Datasets 2.14.4
  • Tokenizers 0.13.3

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
VisionEncoderDecoderModel
Ревизия весов
d6fe3f3

0 моделей