Характеристики

Параметры: 33 млн
Лицензия: Apache 2.0
Архитектура: swin · dense
Опубликована: 8 сен 2022

Ссылки

Hugging Face

swin-tiny-patch4-window7-224-finetuned-agrivision

valadhi

Классификация изображенийИзображение → label3 профессии

Дообученная Swin Transformer Tiny для классификации изображений из набора Agrivision.

20скачиваний за 30 дней0лайковвеса обновлены15 сен 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

Модель valadhi/swin-tiny-patch4-window7-224-finetuned-agrivision — дообученная версия Swin Transformer Tiny, разработанного Microsoft, для классификации изображений. Она предназначена для распознавания классов на изображениях из набора Agrivision; README сообщает точность 0,9203 и loss 0,3605 на оценочной выборке, но не приводит состав классов или подробности набора данных. Архитектура Swin использует оконное внимание; модель содержит около 33 млн параметров и опубликована в формате PyTorch. Лицензия — Apache-2.0. Карточка не уточняет языковую поддержку, поскольку модель принимает изображения и выдаёт метки классов.

Сценарии применения

классификация изображений Agrivision
распознавание сельскохозяйственных категорий на изображениях
автоматическая разметка изображений по классам

Ограничения

README не описывает набор классов, состав обучающих данных и ограничения применения. Указанные метрики относятся только к оценочной выборке карточки и не гарантируют качество на других данных.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

II.8Разработка и данныеИнженерия данных и аналитикаAI помогает готовить надёжные данные и превращать их в понятную аналитику.22 задачи23 488моделей 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 II.2Разработка и данныеСоздание и понимание программного кодаAI помогает писать, объяснять и связывать программный код с требованиями и существующей системой.20 задач21 443модели

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

swin-tiny-patch4-window7-224-finetuned-agrivision

This model is a fine-tuned version of microsoft/swin-tiny-patch4-window7-224 on the imagefolder dataset. It achieves the following results on the evaluation set:

Loss: 0.3605
Accuracy: 0.9203

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-05
train_batch_size: 32
eval_batch_size: 32
seed: 42
gradient_accumulation_steps: 4
total_train_batch_size: 128
optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
lr_scheduler_type: linear
lr_scheduler_warmup_ratio: 0.1
num_epochs: 30

Training results

Training Loss	Epoch	Step	Validation Loss	Accuracy
0.5913	1.0	31	0.7046	0.7175
0.1409	2.0	62	0.8423	0.6788
0.0825	3.0	93	0.6224	0.7654
0.0509	4.0	124	0.4379	0.8360
0.0439	5.0	155	0.1706	0.9317
0.0107	6.0	186	0.1914	0.9362
0.0134	7.0	217	0.2491	0.9089
0.0338	8.0	248	0.2119	0.9362
0.0306	9.0	279	0.4502	0.8610
0.0054	10.0	310	0.4990	0.8747
0.0033	11.0	341	0.2746	0.9112
0.0021	12.0	372	0.2501	0.9317
0.0068	13.0	403	0.1883	0.9522
0.0038	14.0	434	0.3672	0.9134
0.0006	15.0	465	0.2275	0.9408
0.0011	16.0	496	0.3349	0.9134
0.0017	17.0	527	0.3329	0.9157
0.0007	18.0	558	0.2508	0.9317
0.0023	19.0	589	0.2338	0.9385
0.0003	20.0	620	0.3193	0.9226
0.002	21.0	651	0.4604	0.9043
0.0023	22.0	682	0.3338	0.9203
0.005	23.0	713	0.2925	0.9271
0.0001	24.0	744	0.2022	0.9522
0.0002	25.0	775	0.2699	0.9339
0.0007	26.0	806	0.2603	0.9385
0.0005	27.0	837	0.4120	0.9134
0.0003	28.0	868	0.3550	0.9203
0.0008	29.0	899	0.3657	0.9203
0.0	30.0	930	0.3605	0.9203

Framework versions

Transformers 4.21.1
Pytorch 1.12.1
Datasets 2.4.0
Tokenizers 0.12.1

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: SwinForImageClassification
Ревизия весов: 0191130