🚀 trashbot
trashbot 是一个图像分割模型,它基于 nvidia/mit-b5 在 mraottth/all_locations_pooled 数据集上进行微调。该模型在评估集上取得了良好的表现。
🚀 快速开始
此部分暂未提供快速开始的相关内容,若有后续信息可进一步补充。
✨ 主要特性
- 基于 nvidia/mit-b5 进行微调,继承了其优秀的特征提取能力。
- 在 mraottth/all_locations_pooled 数据集上训练,适用于相关场景的图像分割任务。
- 在评估集上取得了如下结果:
- 损失值(Loss):0.0191
- 平均交并比(Mean Iou):0.3997
- 平均准确率(Mean Accuracy):0.7995
- 总体准确率(Overall Accuracy):0.7995
- 未标记准确率(Accuracy Unlabeled):nan
- 垃圾准确率(Accuracy Trash):0.7995
- 未标记交并比(Iou Unlabeled):0.0
- 垃圾交并比(Iou Trash):0.7995
📚 详细文档
模型描述
更多信息待补充。
预期用途与限制
更多信息待补充。
训练和评估数据
更多信息待补充。
训练过程
训练超参数
训练过程中使用了以下超参数:
- 学习率(learning_rate):6e - 05
- 训练批次大小(train_batch_size):3
- 评估批次大小(eval_batch_size):3
- 随机种子(seed):42
- 优化器(optimizer):Adam,其中 betas = (0.9, 0.999),epsilon = 1e - 08
- 学习率调度器类型(lr_scheduler_type):线性
- 训练轮数(num_epochs):10
训练结果
训练损失 |
轮数 |
步数 |
验证损失 |
平均交并比 |
平均准确率 |
总体准确率 |
未标记准确率 |
垃圾准确率 |
未标记交并比 |
垃圾交并比 |
0.0748 |
1.0 |
90 |
0.0386 |
0.3630 |
0.7259 |
0.7259 |
nan |
0.7259 |
0.0 |
0.7259 |
0.039 |
2.0 |
180 |
0.0242 |
0.3803 |
0.7607 |
0.7607 |
nan |
0.7607 |
0.0 |
0.7607 |
0.0194 |
3.0 |
270 |
0.0242 |
0.3605 |
0.7210 |
0.7210 |
nan |
0.7210 |
0.0 |
0.7210 |
0.0112 |
4.0 |
360 |
0.0205 |
0.3995 |
0.7991 |
0.7991 |
nan |
0.7991 |
0.0 |
0.7991 |
0.0169 |
5.0 |
450 |
0.0192 |
0.4000 |
0.8000 |
0.8000 |
nan |
0.8000 |
0.0 |
0.8000 |
0.041 |
6.0 |
540 |
0.0196 |
0.3838 |
0.7677 |
0.7677 |
nan |
0.7677 |
0.0 |
0.7677 |
0.0188 |
7.0 |
630 |
0.0191 |
0.4139 |
0.8277 |
0.8277 |
nan |
0.8277 |
0.0 |
0.8277 |
0.0073 |
8.0 |
720 |
0.0190 |
0.4069 |
0.8138 |
0.8138 |
nan |
0.8138 |
0.0 |
0.8138 |
0.025 |
9.0 |
810 |
0.0191 |
0.4087 |
0.8174 |
0.8174 |
nan |
0.8174 |
0.0 |
0.8174 |
0.006 |
10.0 |
900 |
0.0191 |
0.3997 |
0.7995 |
0.7995 |
nan |
0.7995 |
0.0 |
0.7995 |
框架版本
- Transformers 4.26.0
- Pytorch 1.13.1+cu116
- Datasets 2.9.0
- Tokenizers 0.13.2
📄 许可证
许可证类型:other