Vit Snacks

🚀 vit-snacks

本模型是基於 google/vit-base-patch16-224-in21k 在 Matthijs/snacks 數據集上進行微調的版本。它在評估集上取得了以下成果：

• 損失率：0.2754
• 準確率：0.9393

✨ 主要特性

• 基於預訓練模型微調，可用於圖像分類任務。
• 針對零食圖像分類進行優化，在評估集上有較高的準確率。

📦 安裝指南

文檔未提供安裝步驟，故跳過此章節。

💻 使用示例

文檔未提供代碼示例，故跳過此章節。

📚 詳細文檔

模型描述

上傳你喜歡的美味零食的任何圖像。

預期用途與限制

該模型僅支持 20 種不同種類的零食。

訓練和評估數據

需要更多信息。

訓練過程

訓練超參數

訓練期間使用了以下超參數：

• 學習率：0.0002
• 訓練批次大小：16
• 評估批次大小：8
• 隨機種子：42
• 優化器：Adam，其中 betas=(0.9,0.999)，epsilon=1e-08
• 學習率調度器類型：線性
• 訓練輪數：5

訓練結果

框架版本

• Transformers 4.20.1
• Pytorch 1.11.0+cu113
• Datasets 2.3.2
• Tokenizers 0.12.1

📄 許可證

本模型採用 Apache-2.0 許可證。

🔧 技術細節

文檔未提供足夠的技術實現細節（未超過 50 字），故跳過此章節。