/ Модель
Каталог

Характеристики

Архитектура
clip · dense
Базовая модель
clip-vit-large-patch14-336
Библиотека
transformers
Опубликована
21 авг 2024

Ссылки

Hugging Face

clip-finetuned-csu-p14-336-e3l57-l

kevinoli
Классификация изображений без дообученияИзображение, текст → label5 профессий

Дообученная CLIP-модель для классификации изображений по текстовым категориям без отдельного обучения.

168скачиваний за 30 дней0лайковвеса обновлены24 авг 2024

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

kevinoli/clip-finetuned-csu-p14-336-e3l57-l — дообученная модель CLIP, основанная на openai/clip-vit-large-patch14-336. Она сопоставляет изображения с текстовыми описаниями и поддерживает классификацию изображений по категориям, заданным пользователем, без отдельного обучения под каждую категорию.

Модель предназначена для сценариев zero-shot-классификации изображений. В карточке указан результат оценки на тестовой выборке: loss 0,4700; сведения о наборе данных и подробные характеристики обучения не приведены. Репозиторий использует библиотеку Transformers и формат весов safetensors. Лицензия в предоставленных данных не указана.

Сценарии применения

  • классификация изображений по заданным текстовым меткам
  • поиск изображений по описанию
  • сопоставление изображений с категориями
  • быстрая проверка гипотез о содержимом изображений

Ограничения

Обучающий набор данных неизвестен, а результат loss 0,4700 не сопровождается описанием методики или дополнительными метриками. Лицензия и ограничения применения в предоставленных данных не указаны.

Для каких профессий подходит5

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии
I.11Универсальные способностиКлассификация, ранжирование и сопоставлениеAI помогает распределять объекты по категориям, устанавливать соответствия и определять порядок обработки.15 задач26 736моделейI.14Универсальные способностиАвтоматизация процессов и AI-агентыAI помогает выполнять многошаговые цифровые процессы и координировать действия между системами.20 задач26 022моделиII.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделейI.8Универсальные способностиИзображения и компьютерное зрениеAI помогает извлекать визуальные признаки, изменять изображения и создавать новые визуальные материалы.17 задач6 331модель

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

clip-finetuned-csu-p14-336-e3l57-l

This model is a fine-tuned version of openai/clip-vit-large-patch14-336 on an unknown dataset. It achieves the following results on the evaluation set:

  • Loss: 0.4700

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: 5e-07
  • train_batch_size: 128
  • eval_batch_size: 8
  • seed: 42
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • num_epochs: 3.0

Training results

Training LossEpochStepValidation Loss
0.38120.05335001.1163
0.26830.106710000.9684
0.21190.160015000.9100
0.18890.213320000.8620
0.20710.266625000.7918
0.15880.320030000.7657
0.17180.373335000.7610
0.11130.426640000.7458
0.13130.479945000.7168
0.16490.533350000.7019
0.12450.586655000.6812
0.12860.639960000.6502
0.10760.693365000.6154
0.14770.746670000.6118
0.13150.799975000.6016
0.14130.853280000.5849
0.1240.906685000.5766
0.12150.959990000.5559
0.1311.013295000.5633
0.03481.0666100000.5531
0.06871.1199105000.5495
0.07491.1732110000.5474
0.10831.2265115000.5416
0.04851.2799120000.5412
0.04491.3332125000.5511
0.08471.3865130000.5492
0.07021.4398135000.5509
0.04871.4932140000.5447
0.0721.5465145000.5490
0.03251.5998150000.5443
0.08941.6532155000.5264
0.05031.7065160000.5209
0.05681.7598165000.5083
0.05891.8131170000.5093
0.08921.8665175000.4983
0.05841.9198180000.4886
0.0631.9731185000.4945
0.04932.0265190000.4956
0.02462.0798195000.4871
0.03852.1331200000.4830
0.05742.1864205000.4849
0.0392.2398210000.4872
0.06532.2931215000.4838
0.03252.3464220000.4876
0.05782.3997225000.4870
0.0392.4531230000.4805
0.05362.5064235000.4824
0.03822.5597240000.4809
0.04792.6131245000.4749
0.02682.6664250000.4723
0.04062.7197255000.4743
0.03492.7730260000.4718
0.0172.8264265000.4721
0.02862.8797270000.4709
0.02652.9330275000.4708
0.05522.9863280000.4700

Framework versions

  • Transformers 4.45.0.dev0
  • Pytorch 1.12.1
  • Datasets 2.21.0
  • Tokenizers 0.19.1

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · transformers · zero-shot-image-classification

Нельзя запустить

Модель не помещается в память одной GPU (80 ГБ).

Класс архитектуры
CLIPModel
Ревизия весов
b8d3fb4

0 моделей

    Создать бенчмарк