Характеристики

Параметры: 113 млн
Лицензия: Apache 2.0
Архитектура: vit · dense
Базовая модель: vit-base-patch16-224-in21k
Опубликована: 18 ноя 2023

Ссылки

Hugging Face

rorshark-vit-base

amunchet

Классификация изображенийИзображение → label4 профессии

Дообученная модель ViT для классификации изображений по категориям.

861 тыс.скачиваний за 30 дней5лайковвеса обновлены18 ноя 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

rorshark-vit-base — модель классификации изображений на архитектуре Vision Transformer (ViT), дообученная на базе google/vit-base-patch16-224-in21k. Она предназначена для присвоения изображению метки класса и может использоваться в сценариях, где нужно автоматически распознавать категории объектов или изображений. Модель содержит 113,2 млн параметров и распространяется в формате Safetensors.

В README указана точность 0,9923 и значение функции потерь 0,0393 на оценочном наборе. Данные представлены в формате imagefolder, однако названия классов и предметная область не описаны. Модель выпущена под лицензией Apache-2.0.

Сценарии применения

автоматическая классификация изображений по категориям
распознавание объектов или типов изображений в коллекции
сортировка изображений по предсказанной метке класса

Ограничения

В README не указаны классы и предметная область обучающего набора, поэтому применимость к конкретным типам изображений не подтверждена. Приведённые метрики относятся только к оценочному набору из карточки.

Для каких профессий подходит4

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

IV.9Отраслевые задачиМедиа, журналистика, культура, архивы и игрыAI помогает создавать, искать, сохранять и персонализировать медиа, культурный и игровой контент.44 задачи14 938моделей IV.1Отраслевые задачиРитейл, электронная коммерция и fashion-techAI помогает управлять ассортиментом, покупательским опытом и эффективностью торговых операций.29 задач5 934модели II.8Разработка и данныеИнженерия данных и аналитикаAI помогает готовить надёжные данные и превращать их в понятную аналитику.22 задачи23 488моделей 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

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

rorshark-vit-base

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

Loss: 0.0393
Accuracy: 0.9923

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: 2e-05
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: 5.0

Training results

Training Loss	Epoch	Step	Validation Loss	Accuracy
0.0597	1.0	368	0.0546	0.9865
0.2009	2.0	736	0.0531	0.9865
0.0114	3.0	1104	0.0418	0.9904
0.0998	4.0	1472	0.0425	0.9904
0.1244	5.0	1840	0.0393	0.9923

Framework versions

Transformers 4.36.0.dev0
Pytorch 2.1.1+cu118
Datasets 2.15.0
Tokenizers 0.15.0

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: 85b973b