/ Модель

Характеристики

Контекст
1 024 токена
Архитектура
vision-encoder-decoder · dense
Базовая модель
IC_ver6I_coco_swin_gpt2_50A_1e
Опубликована
22 авг 2023

IC_ver6J_coco_swin_gpt2_50B_1e

Изображение и текст → текст

Модель на базе Swin и GPT-2, дообученная на COCO для создания текстовых описаний изображений.

9скачиваний за 30 дней0лайковвеса обновлены22 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_ver6J_coco_swin_gpt2_50B_1e — модель преобразования изображений в текст, разработанная как дообучение VK246/IC_ver6I_coco_swin_gpt2_50A_1e на датасете COCO. Архитектура vision-encoder-decoder объединяет визуальный энкодер Swin и текстовый декодер GPT-2.

Модель предназначена для описания изображений: она принимает изображение и генерирует текстовую подпись. В README приведены результаты оценки на тестовой выборке: CIDEr 72,7549, BLEU-4 10,136 и ROUGE-L 37,5584.

Репозиторий содержит веса PyTorch. Лицензия и ограничения использования в доступных данных не описаны.

Сценарии применения

  • генерация подписей к изображениям
  • автоматическое описание фотографий из COCO
  • создание текстовых альтернатив для изображений

Ограничения

В README не приведены подробные сведения о сценариях применения и ограничениях качества; оценочные метрики указаны только для тестовой выборки на COCO. Лицензия в предоставленных данных не указана.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

IC_ver6J_coco_swin_gpt2_50B_1e

This model is a fine-tuned version of VK246/IC_ver6I_coco_swin_gpt2_50A_1e on the coco dataset. It achieves the following results on the evaluation set:

  • Loss: 0.8136
  • Cider: 72.7549
  • Rouge1: 41.4855
  • Rouge2: 16.0212
  • Rougel: 37.5584
  • Rougelsum: 37.557
  • Bleu-1: 42.5255
  • Bleu-2: 24.4018
  • Bleu-3: 15.3344
  • Bleu-4: 10.136
  • 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
0.53390.3410000.871770.322840.825915.426636.926636.925442.200623.984514.97769.832111.3063
0.62690.6820000.813672.754941.485516.021237.558437.55742.525524.401815.334410.13611.3063

Framework versions

  • Transformers 4.32.0
  • 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
40a7055

0 моделей