Git Base On Diffuision Dataset2

🚀 git-base-on-diffuision-dataset2

このモデルは、microsoft/git-base を hieudinhpro/diffuision-dataset2 データセットでファインチューニングしたバージョンです。画像をテキストに変換するタスクに特化しており、高い精度で画像の内容を文章で表現できます。

🚀 クイックスタート

このモデルは、microsoft/git-base を hieudinhpro/diffuision-dataset2 データセットでファインチューニングしたバージョンです。

✨ 主な機能

• 画像からテキストへの変換：Sketch Scene 画像をテキストに変換するタスクに特化しています。
• 事前学習モデルの活用：microsoft/git-base をベースにしているため、高い性能を発揮します。

📦 インストール

このモデルを使用するには、transformers ライブラリが必要です。以下のコマンドでインストールできます。

pip install transformers

💻 使用例

基本的な使用法

# Load model directly
from transformers import AutoProcessor, AutoModelForCausalLM

processor = AutoProcessor.from_pretrained("microsoft/git-base")
model = AutoModelForCausalLM.from_pretrained("hieudinhpro/git-base-on-diffuision-dataset2")

# load image
from PIL import Image

image = Image.open('/content/image_3.jpg')

# pre image
inputs = processor(images=image, return_tensors="pt")
pixel_values = inputs.pixel_values

# predict 
generated_ids = model.generate(pixel_values=pixel_values, max_length=50)

# decode to text
generated_caption = processor.batch_decode(generated_ids, skip_special_tokens=True)[0]
print(generated_caption)

📚 ドキュメント

学習ハイパーパラメータ

学習時に使用されたハイパーパラメータは以下の通りです。

フレームワークバージョン

• Transformers 4.34.0
• Pytorch 2.0.1+cu118
• Datasets 2.14.5
• Tokenizers 0.14.0

📄 ライセンス

このモデルは MIT ライセンスの下で提供されています。