Segformer Finetuned Ihc

🚀 微調的IHC分割模型

本模型是基於 nvidia/mit-b0 在 Isaacks/ihc_slide_tissue 數據集上進行微調得到的版本。它在圖像分割和視覺領域有著特定的應用，能夠為相關任務提供支持。

🚀 快速開始

本模型是 nvidia/mit-b0 在 Isaacks/ihc_slide_tissue 數據集上的微調版本。它在評估集上取得了以下結果：

• 評估損失（eval_loss）：0.0326
• 評估平均交併比（eval_mean_iou）：0.0
• 評估平均準確率（eval_mean_accuracy）：nan
• 評估總體準確率（eval_overall_accuracy）：nan
• 評估背景準確率（eval_accuracy_background）：nan
• 評估組織準確率（eval_accuracy_tissue）：nan
• 評估背景交併比（eval_iou_background）：0.0
• 評估組織交併比（eval_iou_tissue）：0.0
• 評估運行時間（eval_runtime）：19.1281
• 評估每秒樣本數（eval_samples_per_second）：0.784
• 評估每秒步數（eval_steps_per_second）：0.105
• 訓練輪數（epoch）：9.15
• 訓練步數（step）：183

📚 詳細文檔

模型描述

更多信息待補充。

預期用途與限制

更多信息待補充。

訓練和評估數據

更多信息待補充。

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（learning_rate）：6e - 05
• 訓練批次大小（train_batch_size）：8
• 評估批次大小（eval_batch_size）：8
• 隨機種子（seed）：1337
• 優化器（optimizer）：Adam，其中 betas = (0.9, 0.999)，epsilon = 1e - 08
• 學習率調度器類型（lr_scheduler_type）：多項式
• 訓練步數（training_steps）：10000

框架版本

• Transformers：4.31.0
• Pytorch：2.0.1 + cu118
• Datasets：2.14.2
• Tokenizers：0.13.3

📄 許可證

其他許可證。