Характеристики

Лицензия: Apache 2.0
Архитектура: resnet · dense
Базовая модель: resnet-50
Опубликована: 4 окт 2023

Ссылки

Hugging Face

trained-race

crangana

Классификация изображенийИзображение → label3 профессии

Дообученная на FairFace модель ResNet-50 для классификации изображений.

37скачиваний за 30 дней3лайкавеса обновлены4 окт 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

crangana/trained-race — модель классификации изображений на основе ResNet-50, дообученная на наборе данных FairFace. Базовая ResNet-50 предварительно обучена на ImageNet-1k для классификации изображений по 1000 классам; эта версия предназначена для классификации изображений в задаче, связанной с FairFace.

На оценочной выборке указаны loss 0,9830 и accuracy 0,6258. Модель принимает изображения и выдаёт классовые метки. Репозиторий содержит веса PyTorch; лицензия — Apache-2.0. Подробные сценарии применения и ограничения в карточке не описаны.

Сценарии применения

классификация изображений в задаче на данных FairFace
оценка качества классификатора изображений на тестовой выборке
использование ResNet-50 как основы для экспериментов с классификацией

Ограничения

В README приведена accuracy 0,6258 на оценочной выборке, что может ограничивать пригодность модели для задач, требующих высокой точности. Карточка не описывает состав классов и другие ограничения применения.

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 IV.9Отраслевые задачиМедиа, журналистика, культура, архивы и игрыAI помогает создавать, искать, сохранять и персонализировать медиа, культурный и игровой контент.44 задачи14 938моделей II.8Разработка и данныеИнженерия данных и аналитикаAI помогает готовить надёжные данные и превращать их в понятную аналитику.22 задачи23 488моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

trained-race

This model is a fine-tuned version of microsoft/resnet-50 on the fair_face dataset. It achieves the following results on the evaluation set:

Loss: 0.9830
Accuracy: 0.6258

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: 16
eval_batch_size: 8
seed: 42
optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
lr_scheduler_type: linear
num_epochs: 4

Training results

Training Loss	Epoch	Step	Validation Loss	Accuracy
1.3923	0.18	1000	1.3550	0.4712
1.1517	0.37	2000	1.1854	0.5429
1.2405	0.55	3000	1.1001	0.5754
1.0752	0.74	4000	1.0330	0.6018
1.0986	0.92	5000	0.9973	0.6173
1.0007	1.11	6000	0.9735	0.6279
0.9851	1.29	7000	0.9830	0.6258

Framework versions

Transformers 4.34.0
Pytorch 2.0.1+cu118
Datasets 2.14.5
Tokenizers 0.14.0

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: ResNetForImageClassification
Ревизия весов: 6493394