license: apache-2.0 tags:

• 从训练器生成 datasets:
• 图像文件夹 metrics:
• 准确率
• F1值
• 召回率
• 精确率 model-index:
• name: vit-base-patch16-224-in21k_car_or_motorcycle results:
  • task: name: 图像分类 type: image-classification dataset: name: 图像文件夹 type: imagefolder config: 默认 split: 训练集 args: 默认 metrics:
    • name: 准确率 type: accuracy value: 0.99375 language:
• en pipeline_tag: 图像分类

vit-base-patch16-224-in21k_car_or_motorcycle

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

• 损失值：0.0301
• 准确率：0.9938
• F1值：0.9939
• 召回率：0.9927
• 精确率：0.9951

模型描述

这是一个二分类模型，用于区分汽车图像和摩托车图像。

关于模型创建过程的更多信息，请查看以下链接：https://github.com/DunnBC22/Vision_Audio_and_Multimodal_Projects/blob/main/Computer%20Vision/Image%20Classification/Binary%20Classification/Car%20or%20Motorcycle/Car_or_Motorcycle_ViT.ipynb

预期用途与限制

该模型旨在展示我运用技术解决复杂问题的能力。

训练与评估数据

数据集来源：https://www.kaggle.com/datasets/utkarshsaxenadn/car-vs-bike-classification-dataset

数据集中的示例图像：

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：0.0002
• 训练批次大小：16
• 评估批次大小：8
• 随机种子：42
• 优化器：Adam，参数为betas=(0.9,0.999)，epsilon=1e-08
• 学习率调度器类型：线性
• 训练轮数：2

训练结果

框架版本

• Transformers 4.22.2
• Pytorch 1.12.1
• Datasets 2.5.2
• Tokenizers 0.12.1