Чекпойнт ViT-B/16 для классификации изображений блюд по категориям 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/vit-b16-food101 — контрольная точка Vision Transformer ViT-B/16, обученная для классификации изображений блюд из набора Food-101. Репозиторий содержит сырой чекпойнт PyTorch и снимок конфигурации обучения Hydra.
Модель предназначена для определения категории блюда на изображении в сценариях распознавания еды. В README указаны точность top-1 58,57% и top-5 81,41% на валидационной выборке; разрыв с точностью 99,41% на обучающей выборке указывает на ограниченную обобщающую способность. Для использования требуется загрузить сырой чекпойнт и подготовить совместимый код инференса. Лицензия MIT.
На валидационной выборке точность top-1 составляет 58,57%, заметно ниже обучающей точности 99,41%; результаты могут ограничивать применение на новых изображениях. В репозитории дан сырой чекпойнт, для инференса потребуется совместимый код.
README от автора на Hugging Face, как он его опубликовал
Raw training checkpoint exported from this repository: https://github.com/mnjm/vit
ViT-B-16-food101.pt: raw checkpoint from this training runconfig/: Hydra config snapshot saved with the runViT-B-16-food101.ptfood101ViT-B/16| Split | Loss | Acc@1 | Acc@5 |
|---|---|---|---|
| Train | 0.0227 | 99.41% | 99.87% |
| Val | 2.5183 | 58.57% | 81.41% |
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.