许可证：apache-2.0
标签：

• 图像分类
• 训练生成
  数据集：
• 图像文件夹
  评估指标：
• 准确率
  模型索引：
• 名称：vit-base-blur
  结果：
  • 任务：
    名称：图像分类
    类型：image-classification
    数据集：
    名称：模糊图像
    类型：imagefolder
    配置：默认
    分割：训练集
    参数：默认
    评估指标：
    • 名称：准确率
      类型：accuracy
      值：1.0

vit-base-blur

该模型是基于google/vit-base-patch16-224-in21k在模糊图像数据集上微调的版本。
在评估集上取得了以下结果：

• 损失：0.0008
• 准确率：1.0

模型描述

该模型用于二分类任务，区分“噪声”（模糊）图像和清晰图像，其中“噪声”图像是LDM（潜在扩散模型）在图像生成过程中未完成或迭代次数不足的结果。

预期用途与限制

需要更多信息

训练与评估数据

使用了约1000张清晰和模糊图像，其中模糊图像分别通过SD2.1模型以30步和10步生成。

训练流程

训练超参数

训练过程中使用了以下超参数：

• 学习率：0.0001
• 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：12

训练结果

框架版本

• Transformers 4.30.2
• PyTorch 2.0.1+cu118
• Datasets 2.13.1
• Tokenizers 0.13.3