许可证：apache-2.0
标签：

• 图像分类
• 训练生成
  数据集：
• cats_vs_dogs
  评估指标：
• 准确率
  基础模型：google/vit-base-patch16-224-in21k
  模型索引：
• 名称：vit-base-cats-vs-dogs
  结果：
  • 任务：
    类型：图像分类
    名称：图像分类
    数据集：
    名称：cats_vs_dogs
    类型：cats_vs_dogs
    参数：默认
    评估指标：
    • 类型：准确率
      值：0.9883257403189066
      名称：准确率

vit-base-cats-vs-dogs

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

• 损失：0.0369
• 准确率：0.9883

使用方法

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('akahana/vit-base-cats-vs-dogs')  
inputs = feature_extractor(images=image, return_tensors="pt")  

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

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：0.0002
• 训练批次大小：8
• 评估批次大小：8
• 随机种子：1337
• 优化器：Adam，参数为betas=(0.9,0.999)和epsilon=1e-08
• 学习率调度器类型：线性
• 训练轮数：1.0

训练结果

框架版本

• Transformers 4.12.5
• Pytorch 1.10.0+cu111
• Datasets 1.16.1
• Tokenizers 0.10.3