Food Type Classification Model

🚀 食品類型分類模型

本模型可依據食品成分或產品名稱，輕鬆將任何食品分類為植物基（PLANT_BASED）或動物基（ANIMAL_BASED）。它基於美國農業部食品數據中心的數據集進行訓練，能有效利用食品中蛋白質類型的信息進行精準分類。

🚀 快速開始

本模型是 distilbert-base-uncased 的微調版本。在評估集上取得了以下成果：

• 損失值：0.0249
• 準確率：0.9940

✨ 主要特性

• 能夠根據食品成分或產品名稱，準確區分植物基和動物基食品。
• 基於大規模的美國農業部食品數據中心數據集進行訓練，數據豐富可靠。
• 微調自成熟的 distilbert-base-uncased 模型，性能表現優異。

📦 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

本模型基於 distilbert-base-uncased 進行微調，使用美國農業部食品數據中心的數據集進行訓練。該數據集包含了基於食品中可用蛋白質類型的動物基和植物基分類標籤。

預期用途和限制

文檔未提供相關詳細信息，故跳過此部分。

訓練和評估數據

本模型使用來自 美國農業部食品數據中心 的數據集進行訓練，該數據集包含了基於食品中可用蛋白質類型的動物基和植物基分類標籤。 文檔未提供更多關於評估數據的詳細信息。

訓練過程

訓練超參數

訓練過程中使用了以下超參數：

• 學習率：2e - 05
• 訓練批次大小：16
• 評估批次大小：16
• 隨機種子：42
• 優化器：Adam（β1 = 0.9，β2 = 0.999，ε = 1e - 08）
• 學習率調度器類型：線性
• 訓練輪數：2

訓練結果

框架版本

• Transformers 4.35.2
• Pytorch 2.1.0+cu121
• Datasets 2.15.0
• Tokenizers 0.15.0

🔧 技術細節

文檔未提供具體技術實現細節（內容未超過50字），故跳過此章節。

📄 許可證

本模型採用 Apache - 2.0 許可證。