Характеристики

Параметры: 113 млн
Лицензия: Apache 2.0
Архитектура: vit · dense
Базовая модель: vit-base-patch16-224
Опубликована: 29 ноя 2023

Ссылки

Hugging Face

vit-base-patch16-224-finetuned

xiaopch

Классификация изображенийИзображение → label

Дообученная модель Vision Transformer для классификации изображений.

9скачиваний за 30 дней0лайковвеса обновлены30 ноя 2023

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 xiaopch/vit-base-patch16-224-finetuned — дообученная версия Vision Transformer google/vit-base-patch16-224 для классификации изображений. Архитектура ViT использует патчи размером 16 пикселей и рассчитана на изображения 224 × 224 пикселя; модель содержит около 113,2 млн параметров.

Модель обучена на наборе данных imagefolder. В карточке указаны результаты оценки: loss 1,1532 и accuracy 0,6747. Метки классов и предметная область набора данных не описаны, поэтому область применения конкретной классификации определить нельзя. Репозиторий содержит веса в формате safetensors; лицензия — Apache-2.0.

Сценарии применения

Классификация изображений по классам, заданным обучающим набором
Автоматическая категоризация изображений в коллекции
Определение класса изображения в прикладном конвейере компьютерного зрения

Ограничения

В карточке не указаны классы и область данных, поэтому назначение классификатора для конкретного сценария неясно. На оценочном наборе указана точность 0,6747; качество на других данных не описано.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

vit-base-patch16-224-finetuned

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

Loss: 1.1532
Accuracy: 0.6747

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: 3

Training results

Training Loss	Epoch	Step	Validation Loss	Accuracy
1.8046	1.0	35	1.5308	0.6004
1.1931	2.0	70	1.2080	0.6526
1.0292	3.0	105	1.1532	0.6747

Framework versions

Transformers 4.35.2
Pytorch 2.1.0+cu118
Datasets 2.15.0
Tokenizers 0.15.0

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: 39002ec