Характеристики

Параметры: 113 млн
Лицензия: Apache 2.0
Архитектура: vit · dense
Опубликована: 19 янв 2023

Ссылки

genderage2

Классификация изображенийИзображение → label3 профессии

Дообученный ViT классифицирует изображения; название genderage2 предполагает определение пола и возраста, но состав классов не описан.

673скачиваний за 30 дней3лайкавеса обновлены19 янв 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

genderage2 — дообученная модель классификации изображений на базе Vision Transformer ViT-Base с патчами 16×16 и входным разрешением 224 пикселя, разработанная пользователем ivensamdh. Модель содержит 113,2 млн параметров и дообучена на наборе данных imagefolder. В README приведён результат оценки: loss 0,2771.

Модель предназначена для классификации изображений. Название репозитория предполагает задачи, связанные с определением пола и возраста, однако README не подтверждает состав классов и сценарии применения. Модель распространяется в формате PyTorch по лицензии Apache-2.0.

Сценарии применения

классификация изображений
эксперименты с ViT на собственном наборе изображений

Ограничения

README не описывает классы, обучающие данные, метрики качества классификации или ограничения модели; результат loss 0,2771 не позволяет оценить качество без контекста оценки.

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

genderage2

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: 0.2771

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: 0.0001
train_batch_size: 11
eval_batch_size: 8
seed: 42
optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
lr_scheduler_type: linear
num_epochs: 8
mixed_precision_training: Native AMP

Training results

Training Loss	Epoch	Step	Validation Loss
0.3737	0.89	100	0.3702
0.3208	1.79	200	0.3308
0.2681	2.68	300	0.2977
0.2334	3.57	400	0.2875
0.2093	4.46	500	0.2840
0.1989	5.36	600	0.2798
0.1801	6.25	700	0.2785
0.1707	7.14	800	0.2771

Framework versions

Transformers 4.25.1
Pytorch 1.13.1+cu117
Datasets 2.8.0
Tokenizers 0.13.2

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: fce7667