Характеристики

Параметры: 113 млн
Лицензия: Apache 2.0
Архитектура: vit · dense
Опубликована: 21 авг 2022

Ссылки

Hugging Face

vit-base-mnist

farleyknight-org-username

Классификация изображенийИзображение → label3 профессии

Дообученная на MNIST модель ViT для классификации изображений рукописных цифр.

269скачиваний за 30 дней8лайковвеса обновлены31 авг 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

Модель farleyknight-org-username/vit-base-mnist разработана на основе google/vit-base-patch16-224-in21k и дообучена на наборе MNIST для классификации изображений рукописных цифр. Она использует архитектуру Vision Transformer (ViT) и содержит 113,2 млн параметров.

На оценочной выборке MNIST указана точность 0,9949 и значение функции потерь 0,0236. Модель подходит для распознавания цифр на изображениях, близких к данным MNIST. Лицензия — Apache-2.0.

Сценарии применения

распознавание рукописных цифр на изображениях MNIST
классификация изображений цифр от 0 до 9
учебные эксперименты с Vision Transformer на MNIST

Ограничения

Показатели качества приведены для оценочной выборки MNIST; для изображений, заметно отличающихся от MNIST, качество не установлено. Описание обучения и ограничений в карточке не раскрыто.

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.8Разработка и данныеИнженерия данных и аналитикаAI помогает готовить надёжные данные и превращать их в понятную аналитику.22 задачи23 488моделей IV.5Отраслевые задачиОбразование и развитие навыковAI помогает персонализировать обучение и снижать административную нагрузку на преподавателей.34 задачи6 641модель

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

vit-base-mnist

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

Loss: 0.0236
Accuracy: 0.9949

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
0.3717	1.0	6375	0.0522	0.9893
0.3453	2.0	12750	0.0370	0.9906
0.3736	3.0	19125	0.0308	0.9916
0.3224	4.0	25500	0.0269	0.9939
0.2846	5.0	31875	0.0236	0.9949

Framework versions

Transformers 4.22.0.dev0
Pytorch 1.11.0a0+17540c5
Datasets 2.4.0
Tokenizers 0.12.1

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: 8fe06de