library_name: transformers
license: apache-2.0
base_model: google/vit-base-patch16-224-in21k
tags:

• generated_from_keras_callback
  model-index:
• name: MahimaTayal123/DR-Classifier
  results: []
  datasets:
• Rami/Diabetic_Retinopathy_Preprocessed_Dataset_256x256
• majorSeaweed/Diabetic_retinopathy_images

MahimaTayal123/DR-Classifier

该模型是基于google/vit-base-patch16-224-in21k在未知数据集上微调的版本。
在验证集上取得如下结果：

• 训练损失：0.2187
• 验证损失：0.2654
• 训练准确率：0.9420
• 训练轮次：5

模型描述

本模型采用Vision Transformer（ViT）架构，用于对眼底图像进行分类以实现糖尿病视网膜病变（DR）的早期检测。经过微调的模型提升了在医学影像数据集上的准确性和泛化能力。

用途与限制

预期用途：

• 糖尿病视网膜病变的医疗诊断辅助
• 眼科及AI医疗领域的研究应用

局限性：

• 需要高质量的眼底图像以确保预测准确性
• 不能替代专业医疗建议，应作为辅助工具使用

训练与评估数据

模型训练使用了包含标注眼底图像的精选数据集。该数据集涵盖糖尿病视网膜病变的不同严重程度，确保分类的鲁棒性。

训练流程

训练超参数

训练过程中使用了以下超参数：

• 优化器：{'name': 'AdamWeightDecay', 'learning_rate': {'module': 'keras.optimizers.schedules', 'class_name': 'PolynomialDecay', 'config': {'initial_learning_rate': 3e-05, 'decay_steps': 146985, 'end_learning_rate': 0.0, 'power': 1.0, 'cycle': False, 'name': None}, 'registered_name': None}, 'decay': 0.0, 'beta_1': 0.9, 'beta_2': 0.999, 'epsilon': 1e-08, 'amsgrad': False, 'weight_decay_rate': 0.01}
• 训练精度：float32

训练结果

框架版本

• Transformers 4.46.2
• TensorFlow 2.17.1
• Datasets 3.1.0
• Tokenizers 0.20.3