Resnet 18 Feature Extraction

🚀 resnet-18特徵提取

本模型是基於microsoft/resnet-18在imagefolder數據集上進行微調的版本。它在評估集上取得了以下成果，展現了出色的性能：

• 損失率：0.1485
• 準確率：0.95
• 精確率：0.9653
• 召回率：0.9789
• F1值：0.9720
• ROC曲線下面積：0.8505

🚀 快速開始

本模型是在imagefolder數據集上對microsoft/resnet-18進行微調得到的。可直接使用該模型進行圖像分類任務，在評估集上有良好的表現。

✨ 主要特性

• 微調模型：基於成熟的microsoft/resnet-18進行微調，繼承了其優秀的特徵提取能力。
• 多指標評估：在評估集上從損失率、準確率、精確率、召回率、F1值和ROC曲線下面積等多個指標進行了評估，全面展示了模型性能。

📚 詳細文檔

模型信息

評估結果

該模型在評估集上的表現如下：

模型索引

• 名稱：resnet-18-feature-extraction
• 結果：
  • 任務：
    • 名稱：圖像分類
    • 類型：圖像分類
  • 數據集：
    • 名稱：imagefolder
    • 類型：imagefolder
    • 配置：默認
    • 分割：訓練集
    • 參數：默認
  • 評估指標：
    • 名稱：準確率
    • 類型：準確率
    • 值：0.95
    • 名稱：精確率
    • 類型：精確率
    • 值：0.9652777777777778
    • 名稱：召回率
    • 類型：召回率
    • 值：0.9788732394366197
    • 名稱：F1值
    • 類型：F1值
    • 值：0.972027972027972

🔧 技術細節

訓練超參數

在訓練過程中使用了以下超參數：

• 學習率：2e-05
• 訓練批次大小：64
• 評估批次大小：64
• 隨機種子：42
• 梯度累積步數：4
• 總訓練批次大小：256
• 優化器：Adam（β1=0.9，β2=0.999，ε=1e-08）
• 學習率調度器類型：線性
• 學習率調度器預熱比例：0.1
• 訓練輪數：50

訓練結果

框架版本

• Transformers 4.24.0.dev0
• Pytorch 1.11.0+cu102
• Datasets 2.6.1
• Tokenizers 0.13.1

📄 許可證

本模型採用Apache 2.0許可證。