语言: 西班牙语
标签:

• sagemaker
• vit
• 图像分类
• 训练生成
  许可证: apache-2.0
  数据集:
• cifar100
  评估指标:
• 准确率

模型索引:

• 名称: vit_base-224-in21k-ft-cifar100
  结果:
  • 任务:
    名称: 图像分类
    类型: image-classification
    数据集:
    名称: "Cifar100"
    类型: cifar100
    评估指标:
    • 名称: 准确率
      类型: accuracy
      值: 0.9148

模型 vit_base-224-in21k-ft-cifar100

用于西班牙语图像分类的微调模型

该模型使用亚马逊SageMaker和Hugging Face深度学习容器训练，基础模型为Vision Transformer（基础尺寸模型），这是一个类似于BERT的Transformer编码器模型，在ImageNet-21k数据集上以224x224像素分辨率进行了监督式预训练。基础模型链接

基础模型引用

BibTeX条目及引用信息

@misc{wu2020visual,  
      title={Visual Transformers: Token-based Image Representation and Processing for Computer Vision},   
      author={Bichen Wu and Chenfeng Xu and Xiaoliang Dai and Alvin Wan and Peizhao Zhang and Zhicheng Yan and Masayoshi Tomizuka and Joseph Gonzalez and Kurt Keutzer and Peter Vajda},  
      year={2020},  
      eprint={2006.03677},  
      archivePrefix={arXiv},  
      primaryClass={cs.CV}  
}  

数据集

数据集描述链接

CIFAR-10和CIFAR-100是8000万张微小图像数据集的标记子集，由Alex Krizhevsky、Vinod Nair和Geoffrey Hinton收集。

CIFAR-10数据集包含10个类别的60000张32x32彩色图像，每个类别6000张图像，其中50000张为训练图像，10000张为测试图像。
本数据集CIFAR-100与CIFAR-10类似，但包含100个类别，每个类别600张图像。每个类别有500张训练图像和100张测试图像。CIFAR-100的100个类别被分为20个超类。每张图像带有“细粒度”标签（所属类别）和“粗粒度”标签（所属超类）。

数据集大小:

• 训练集: 50,000
• 测试集: 10,000

预期用途与限制

本模型用于图像分类任务。

超参数

{
    "epochs": "5",
    "train_batch_size": "32",    
    "eval_batch_size": "8",
    "fp16": "true",
    "learning_rate": "1e-05",
}

测试结果

• 准确率 = 0.9148

模型应用

图像分类使用示例

from transformers import ViTFeatureExtractor, ViTModel  
from PIL import Image  
import requests  

url = 'http://images.cocodataset.org/val2017/000000039769.jpg'  
image = Image.open(requests.get(url, stream=True).raw)  

feature_extractor = ViTFeatureExtractor.from_pretrained('google/vit-base-patch16-224-in21k')  
model = ViTModel.from_pretrained('edumunozsala/vit_base-224-in21k-ft-cifar100')  
inputs = feature_extractor(images=image, return_tensors="pt")  

outputs = model(**inputs)  
last_hidden_states = outputs.last_hidden_state  

由Eduardo Muñoz/@edumunozsala创建