Характеристики

Параметры: 113 млн
Лицензия: Apache 2.0
Архитектура: vit · dense
Опубликована: 30 мар 2022

Ссылки

Hugging Face

vit-base-patch16-224-in21k-finetuned-cifar10

aaraki

Классификация изображенийИзображение → label3 профессии

ViT с 113,2 млн параметров, дообученный на CIFAR-10 для классификации изображений.

5 710скачиваний за 30 дней13лайковвеса обновлены30 мар 2022

Бенчмарки

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

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

aaraki/vit-base-patch16-224-in21k-finetuned-cifar10 — дообученная на CIFAR-10 модель классификации изображений на архитектуре Vision Transformer (ViT). Она содержит 113,2 млн параметров и основана на google/vit-base-patch16-224-in21k. Репозиторий содержит веса PyTorch; лицензия — Apache-2.0.

Модель предназначена для присвоения изображениям классов CIFAR-10. В карточке указана точность 0,9788 на наборе оценки и функция потерь 0,2564. Сведения о других сценариях применения и ограничениях в карточке не приведены.

Сценарии применения

Классификация изображений по классам CIFAR-10
Оценка качества классификаторов на CIFAR-10
Использование как базового примера дообучения ViT для классификации изображений

Ограничения

Модель дообучена на CIFAR-10, поэтому её назначение ограничено классификацией изображений в рамках этого набора классов; качество на других наборах и типах изображений не указано.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

II.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделей II.2Разработка и данныеСоздание и понимание программного кодаAI помогает писать, объяснять и связывать программный код с требованиями и существующей системой.20 задач21 443модели II.4Разработка и данныеОтладка, тестирование и качество ПОAI помогает находить дефекты, строить проверки и повышать надёжность программного продукта.25 задач13 978моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

vit-base-patch16-224-in21k-finetuned-cifar10

This model is a fine-tuned version of google/vit-base-patch16-224-in21k on the cifar10 dataset. It achieves the following results on the evaluation set:

Loss: 0.2564
Accuracy: 0.9788

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: 32
eval_batch_size: 32
seed: 42
gradient_accumulation_steps: 4
total_train_batch_size: 128
optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
lr_scheduler_type: linear
lr_scheduler_warmup_ratio: 0.1
num_epochs: 1

Training results

Training Loss	Epoch	Step	Validation Loss	Accuracy
0.4291	1.0	390	0.2564	0.9788

Framework versions

Transformers 4.17.0
Pytorch 1.10.0+cu111
Datasets 2.0.0
Tokenizers 0.11.6

Как запустить

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

GPU в ailist

Универсальный рантайм · image-classification

Можно запустить

Подбираем GPU…

Класс архитектуры: ViTForImageClassification
Ревизия весов: 63acc43