/ Модель

Характеристики

Контекст
1 024 токена
Архитектура
vision-encoder-decoder · dense
Базовая модель
IC_ver6G_coco_swin_gpt2_50A_1e
Опубликована
21 авг 2023

IC_ver6H_coco_swin_gpt2_50B_1e

Изображение и текст → текст

Дообученная на COCO модель Swin–GPT-2 для создания текстовых описаний изображений.

7скачиваний 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

ICver6Hcocoswingpt250B1e — дообученная на COCO модель VK246 для преобразования изображений в текстовые описания. Она построена на архитектуре VisionEncoderDecoder: визуальный кодировщик Swin объединён с языковой моделью GPT-2. В README приведены результаты оценки на тестовой выборке, включая CIDEr 7,3588 и BLEU-4 10,4429.

Модель предназначена для генерации коротких текстовых описаний изображений. Базовая модель — VK246/IC_ver6G_coco_swin_gpt2_50A_1e. Репозиторий использует формат PyTorch и лицензию, указанную для модели на Hugging Face.

Сценарии применения

  • генерация кратких описаний фотографий
  • автоматическое создание подписей к изображениям
  • описание изображений из набора COCO

Ограничения

README сообщает о результатах на тестовой выборке COCO, но не описывает ограничения или поведение на других типах изображений. Языки генерируемых описаний в предоставленных данных не определены.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

IC_ver6H_coco_swin_gpt2_50B_1e

This model is a fine-tuned version of VK246/IC_ver6G_coco_swin_gpt2_50A_1e on the coco dataset. It achieves the following results on the evaluation set:

  • Loss: 0.7969
  • Cider: 7.3588
  • Rouge1: 41.9295
  • Rouge2: 16.3455
  • Rougel: 37.9811
  • Rougelsum: 37.9766
  • Bleu-1: 42.8743
  • Bleu-2: 24.7756
  • Bleu-3: 15.6692
  • Bleu-4: 10.4429
  • Gen Len: 11.3063

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
0.61590.3410000.83236.717241.027415.580937.221137.204542.220724.036515.05629.911811.3063
0.68020.6820000.79697.358841.929516.345537.981137.976642.874324.775615.669210.442911.3063

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
1f4b27e

0 моделей