Характеристики

Параметры: 113 млн
Лицензия: Apache 2.0
Архитектура: vit · dense
Опубликована: 2 мар 2022

Ссылки

Hugging Face

vit-base-beans

nateraw

Классификация изображенийИзображение → label3 профессии

Дообученная ViT-модель для классификации изображений фасоли.

534скачиваний за 30 дней23лайкавеса обновлены6 дек 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

nateraw обучил эту модель дообучением google/vit-base-patch16-224-in21k на наборе изображений beans. Это ViT для классификации изображений, содержащий 113,2 млн параметров; репозиторий предоставляет веса PyTorch. На оценочной выборке набора beans модель показала accuracy 0,9774 и loss 0,0942. Она подходит для распознавания классов изображений фасоли в задачах, близких к использованному набору данных. Лицензия — Apache-2.0. Карточка не описывает ограничения и условия применимости за пределами оценки на этом наборе данных.

Сценарии применения

Классификация изображений фасоли
Распознавание классов растений фасоли на фотографиях
Эксперименты с классификацией изображений на наборе beans

Ограничения

Показатели приведены только для оценочной выборки набора beans; качество на других данных не описано. Карточка не уточняет ограничения применения.

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.6Отраслевые задачиНаучные исследования, математика и новые материалыAI помогает формировать гипотезы, анализировать научные данные и ускорять открытие новых материалов и методов.39 задач4 120моделей 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

vit-base-beans

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

Loss: 0.0942
Accuracy: 0.9774

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
0.2809	1.0	130	0.2287	0.9699
0.1097	2.0	260	0.1676	0.9624
0.1027	3.0	390	0.0942	0.9774
0.0923	4.0	520	0.1104	0.9699
0.1726	5.0	650	0.1030	0.9699

Framework versions

Transformers 4.10.0.dev0
Pytorch 1.9.0+cu102
Datasets 1.11.1.dev0
Tokenizers 0.10.3

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: 41f85ac