/ Модель

Характеристики

Параметры
113 млн
Лицензия
Apache 2.0
Архитектура
vit · dense
Базовая модель
vit-base-patch16-224-in21k
Опубликована
2 мар 2022

vit-base-cats-vs-dogs

Классификация изображенийИзображение → label3 профессии

Дообученный Vision Transformer классифицирует изображения кошек и собак.

370скачиваний за 30 дней8лайковвеса обновлены19 сен 2023

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

Модель akahana/vit-base-cats-vs-dogs — версия Vision Transformer, дообученная на наборе данных cats_vs_dogs для классификации изображений кошек и собак. Она основана на google/vit-base-patch16-224-in21k, содержит 113,2 млн параметров и опубликована в форматах PyTorch и safetensors. На указанной в карточке оценочной выборке достигла точности 98,83% при значении функции потерь 0,0369.

Модель подходит для определения, изображена ли на фотографии кошка или собака, например, при сортировке изображений или создании простого демонстрационного классификатора. Лицензия — Apache-2.0. Карточка не описывает другие классы, условия оценки или ограничения за пределами задачи классификации кошек и собак.

Сценарии применения

  • Определение кошек и собак на фотографиях
  • Сортировка коллекции изображений по категориям «кошка» и «собака»
  • Создание демонстрационного классификатора домашних животных

Ограничения

Модель предназначена для различения кошек и собак; карточка не подтверждает работу с другими классами. Приведённая точность относится только к оценочной выборке, состав и условия которой не описаны.

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

vit-base-cats-vs-dogs

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

  • Loss: 0.0369
  • Accuracy: 0.9883

how to use

from transformers import ViTFeatureExtractor, ViTModel
from PIL import Image
import requests

url = 'http://images.cocodataset.org/val2017/000000039769.jpg'
image = Image.open(requests.get(url, stream=True).raw)

feature_extractor = ViTFeatureExtractor.from_pretrained('google/vit-base-patch16-224-in21k')
model = ViTModel.from_pretrained('akahana/vit-base-cats-vs-dogs')
inputs = feature_extractor(images=image, return_tensors="pt")

outputs = model(**inputs)
last_hidden_states = outputs.last_hidden_state

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: 0.0002
  • train_batch_size: 8
  • eval_batch_size: 8
  • seed: 1337
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • num_epochs: 1.0

Training results

Training LossEpochStepValidation LossAccuracy
0.09491.024880.03690.9883

Framework versions

  • Transformers 4.12.5
  • Pytorch 1.10.0+cu111
  • Datasets 1.16.1
  • Tokenizers 0.10.3

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
fdd1283

0 моделей