Чекпойнт DeiT-B/16, дообученный для классификации изображений блюд из набора Food-101.
Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды
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.
Описание составлено по карточке модели и метаданным Hugging Face
mnjm опубликовал контрольную точку DeiT-B/16, обученную для классификации изображений блюд из набора Food-101. Это модель на основе Vision Transformer, сохранённая в формате PyTorch как необработанный чекпойнт; карточка также включает снимок конфигурации обучения. В качестве учителя указан ResNet-50 из репозитория anonauthors/food101-resnet50.
Модель предназначена для распознавания категорий еды на изображениях. В README приведены точность top-1 62,92% и top-5 84,57% на валидационном наборе; на обучающем наборе указаны 98,16% и 99,73% соответственно. Репозиторий распространяется по лицензии MIT. Для использования потребуется загрузить чекпойнт и настроить его согласно конфигурации обучения.
На валидационном наборе Food-101 точность top-1 составляет 62,92%, поэтому часть блюд модель будет путать. Репозиторий содержит необработанный чекпойнт, для использования которого нужна настройка загрузки.
README от автора на Hugging Face, как он его опубликовал
Raw training checkpoint exported from this repository: https://github.com/mnjm/vit
DeiT-B-16-food101.pt: raw checkpoint from this training runconfig/: Hydra config snapshot saved with the runDeiT-B-16-food101.ptfood101DeiT-B/16hf_hub:anonauthors/food101-resnet50| Split | Loss | Acc@1 | Acc@5 |
|---|---|---|---|
| Train | 0.4401 | 98.16% | 99.73% |
| Val | 1.9847 | 62.92% | 84.57% |
This is a raw checkpoint dump. To use it check here
На своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
Универсальный рантайм · pytorch · image-classification
В репозитории нет config.json: не понять архитектуру модели.