Характеристики

Параметры: 113 млн
Лицензия: Apache 2.0
Архитектура: vit · dense

Ссылки

Hugging Face

vit-base-cats-vs-dogs

nateraw

Классификация изображенийИзображение → label3 профессии

Дообученная ViT-модель для классификации изображений кошек и собак.

34скачиваний за 30 дней1лайквеса обновлены31 авг 2021

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/vit-base-cats-vs-dogs — модель классификации изображений на базе Vision Transformer (ViT), дообученная на наборе cats_vs_dogs. Она различает изображения кошек и собак. Модель содержит 113,2 млн параметров и опубликована в формате PyTorch.

По данным карточки, на тестовой выборке модель достигла accuracy 0,9935 и loss 0,0202. Её можно применять для автоматической сортировки изображений кошек и собак. Модель распространяется по лицензии Apache-2.0.

Сценарии применения

определение, изображена ли на фотографии кошка или собака
сортировка фотографий домашних животных по виду
автоматическая разметка изображений кошек и собак

Ограничения

Обучение и оценка описаны только для набора cats_vs_dogs; показатели качества относятся к его тестовой выборке и не гарантируют такую же точность на других данных.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

IV.9Отраслевые задачиМедиа, журналистика, культура, архивы и игрыAI помогает создавать, искать, сохранять и персонализировать медиа, культурный и игровой контент.44 задачи14 938моделей IV.10Отраслевые задачиДом, личная жизнь, уход и повседневные задачиAI помогает помогать человеку планировать повседневные дела и безопасно управлять домашней средой.30 задач962модели 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-cats-vs-dogs

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

Loss: 0.0202
Accuracy: 0.9935

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: 0.0002
train_batch_size: 64
eval_batch_size: 64
seed: 1337
optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
lr_scheduler_type: linear
num_epochs: 5.0
mixed_precision_training: Native AMP

Training results

Training Loss	Epoch	Step	Validation Loss	Accuracy
0.064	1.0	311	0.0483	0.9849
0.0622	2.0	622	0.0275	0.9903
0.0366	3.0	933	0.0262	0.9917
0.0294	4.0	1244	0.0219	0.9932
0.0161	5.0	1555	0.0202	0.9935

Framework versions

Transformers 4.8.1
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: 647f3e8