许可证: apache-2.0
标签:

• 训练生成
  数据集:
• 图像文件夹
  评估指标:
• 准确率
• 精确率
• 召回率
• F1值

模型索引:

• 名称: finetuned-affecthq
  结果:
  • 任务:
    名称: 图像分类
    类型: image-classification
    数据集:
    名称: 图像文件夹
    类型: imagefolder
    配置: 默认
    拆分: 训练集
    参数: 默认
    评估指标:
    • 名称: 准确率
      类型: accuracy
      值: 0.7179302910528207
    • 名称: 精确率
      类型: precision
      值: 0.7173911115103917
    • 名称: 召回率
      类型: recall
      值: 0.7179302910528207
    • 名称: F1值
      类型: f1
      值: 0.7166821507529032

finetuned-affecthq

该模型是基于google/vit-base-patch16-224-in21k在图像文件夹数据集上微调的版本。
在评估集上取得了以下结果:

• 损失: 0.8116
• 准确率: 0.7179
• 精确率: 0.7174
• 召回率: 0.7179
• F1值: 0.7167

模型描述

需要更多信息

预期用途与限制

需要更多信息

训练与评估数据

需要更多信息

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: 1e-05
• 训练批次大小: 32
• 评估批次大小: 32
• 随机种子: 17
• 梯度累积步数: 4
• 总训练批次大小: 128
• 优化器: Adam (β1=0.9, β2=0.999, ε=1e-08)
• 学习率调度器类型: 线性
• 学习率预热比例: 0.1
• 训练轮次: 10

训练结果

框架版本

• Transformers 4.27.0.dev0
• PyTorch 1.13.1+cu116
• Datasets 2.9.0
• Tokenizers 0.13.2