/ Модель

Характеристики

Контекст
1 024 токена
Архитектура
vision-encoder-decoder · dense
Базовая модель
IC_ver6d_coco_swin_gpt2_50Bpc_1e
Опубликована
17 авг 2023

IC_ver6e_coco_swin_gpt2_50Apc_1e

Изображение и текст → текст3 профессии

Дообученная на COCO модель VK246 для генерации текстовых описаний изображений.

12скачиваний за 30 дней0лайковвеса обновлены17 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

IC_ver6e_coco_swin_gpt2_50Apc_1e — модель генерации текстовых описаний изображений, разработанная VK246 и дообученная на наборе COCO от базовой модели VK246/IC_ver6d_coco_swin_gpt2_50Bpc_1e. Архитектура — vision-encoder-decoder на базе VisionEncoderDecoderModel: на вход подаётся изображение, на выходе генерируется текстовое описание. Репозиторий содержит веса PyTorch.

Модель предназначена для автоматического описания изображений и оценки таких описаний на тестовой выборке COCO. В README приведены метрики оценки, включая CIDEr 19.1116, ROUGE-1 42.2076 и BLEU-4 10.5581. Сведения о поддерживаемых языках, длине контекста и условиях лицензии в доступных данных отсутствуют.

Сценарии применения

  • автоматическое создание подписей к изображениям
  • генерация кратких описаний фотографий
  • индексация изображений по текстовым описаниям

Ограничения

README не раскрывает условия лицензии и ограничения применения. Метрики приведены для оценочной выборки COCO; качество на других типах изображений по этим данным не установлено.

Для каких профессий подходит3

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

IC_ver6e_coco_swin_gpt2_50Apc_1e

This model is a fine-tuned version of VK246/IC_ver6d_coco_swin_gpt2_50Bpc_1e on the coco dataset. It achieves the following results on the evaluation set:

  • Loss: 0.7783
  • Cider: 19.1116
  • Rouge1: 42.2076
  • Rouge2: 16.6791
  • Rougel: 38.4352
  • Rougelsum: 38.4324
  • Bleu-1: 42.9768
  • Bleu-2: 25.0535
  • Bleu-3: 15.8932
  • Bleu-4: 10.5581
  • 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
0.72990.175000.816915.122340.474615.101336.81736.816641.733523.571314.6219.56611.2806
0.72430.3410000.806315.728841.208115.892637.401837.401642.265624.259515.260210.078811.2806
0.73960.5115000.799915.516441.623116.166538.010338.011942.095824.322315.285110.086911.2806
0.75070.6820000.787915.342141.987116.490938.249138.251542.660624.746415.632910.373111.2806
0.77120.8525000.782011.75141.990616.515338.262438.263442.853924.866315.715110.398911.2806

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
9e213c0

0 моделей