/ Модель

Характеристики

Контекст
1 024 токена
Архитектура
vision-encoder-decoder · dense
Базовая модель
IC_ver6J_coco_swin_gpt2_50B_1e
Опубликована
22 авг 2023

IC_ver6K_coco_swin_gpt2_50A_1e

Изображение и текст → текст

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

7скачиваний 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

Модель VK246/IC_ver6K_coco_swin_gpt2_50A_1e — дообученная версия VK246/IC_ver6J_coco_swin_gpt2_50B_1e, построенная на архитектуре vision-encoder-decoder со Swin для обработки изображений и GPT-2 для генерации текста. Она обучена на COCO и предназначена для создания текстовых описаний изображений.

В README приведены результаты оценки на тестовой выборке COCO: CIDEr 75,3012, ROUGE-L 37,7284 и BLEU-4 10,1667. Эти метрики характеризуют качество подписей в рамках использованной оценки; описание не содержит сведений о дополнительных сценариях, языковой поддержке или ограничениях применения. Лицензия в доступных данных не указана.

Сценарии применения

  • создание подписей к изображениям
  • автоматическое описание фотографий из COCO
  • генерация краткого текста о содержимом изображения

Ограничения

README описывает оценку на COCO, но не приводит сведения о поддерживаемых языках, длине контекста или пригодности для других доменов. Лицензия в предоставленных данных не указана.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

IC_ver6K_coco_swin_gpt2_50A_1e

This model is a fine-tuned version of VK246/IC_ver6J_coco_swin_gpt2_50B_1e on the coco dataset. It achieves the following results on the evaluation set:

  • Loss: 0.8220
  • Cider: 75.3012
  • Rouge1: 41.577
  • Rouge2: 16.0357
  • Rougel: 37.7284
  • Rougelsum: 37.7314
  • Bleu-1: 42.4688
  • Bleu-2: 24.4386
  • Bleu-3: 15.3819
  • Bleu-4: 10.1667
  • 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
0.48030.3410000.922069.783440.393614.956836.649536.648741.649623.428714.45469.369111.2806
0.58480.6820000.822075.301241.57716.035737.728437.731442.468824.438615.381910.166711.2806

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
a56eb04

0 моделей