Vc Bantai Vit Withoutambi Adunest V3

V

Vc Bantai Vit Withoutambi Adunest V3

由AykeeSalazar開發

基於Google Vision Transformer (ViT)架構的圖像分類模型，在自定義數據集上微調，準確率達82.18%

開源協議:Apache-2.0 #圖像分類 #ViT微調 #高準確率

下載量 30

發布時間 : 8/3/2022

模型概述

該模型是基於google/vit-base-patch16-224-in21k預訓練模型在圖像分類任務上微調的版本，主要用於圖像分類任務。

模型特點

高準確率

在評估集上達到82.18%的準確率，表現優異

基於ViT架構

採用Vision Transformer架構，能有效捕捉圖像中的全局特徵

精細調優

經過200輪訓練，使用線性學習率調度和Adam優化器

模型能力

圖像分類

視覺特徵提取

使用案例

圖像識別

違規內容分類

可用於識別和分類違規圖像內容

在Violation-Classification數據集上表現良好

🚀 vc-bantai-vit-withoutAMBI-adunest-v3

本模型是基於 google/vit-base-patch16-224-in21k 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績：

損失值：0.8889
準確率：0.8218

📚 詳細文檔

模型信息

屬性	詳情
模型名稱	vc-bantai-vit-withoutAMBI-adunest-v3
模型類型	圖像分類模型
基礎模型	google/vit-base-patch16-224-in21k
訓練數據集	imagefolder
評估指標	準確率
評估集準確率	0.8218
評估集損失值	0.8889
許可證	Apache-2.0

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：0.0005
訓練批次大小：32
評估批次大小：32
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：200
混合精度訓練：Native AMP

訓練結果

訓練損失	輪數	步數	驗證損失	準確率
無記錄	0.38	100	0.8208	0.7147
無記錄	0.76	200	0.8861	0.7595
無記錄	1.14	300	0.4306	0.7910
無記錄	1.52	400	0.5222	0.8245
0.3448	1.9	500	0.8621	0.7602
0.3448	2.28	600	0.2902	0.8801
0.3448	2.66	700	0.3687	0.8426
0.3448	3.04	800	0.3585	0.8694
0.3448	3.42	900	0.6546	0.7897
0.2183	3.8	1000	0.3881	0.8272
0.2183	4.18	1100	0.9650	0.7709
0.2183	4.56	1200	0.6444	0.7917
0.2183	4.94	1300	0.4685	0.8707
0.2183	5.32	1400	0.4972	0.8506
0.157	5.7	1500	0.4010	0.8513
0.157	6.08	1600	0.4629	0.8419
0.157	6.46	1700	0.4258	0.8714
0.157	6.84	1800	0.4383	0.8573
0.157	7.22	1900	0.5324	0.8493
0.113	7.6	2000	0.3212	0.8942
0.113	7.98	2100	0.8621	0.8326
0.113	8.37	2200	0.6050	0.8131
0.113	8.75	2300	0.7173	0.7991
0.113	9.13	2400	0.5313	0.8125
0.0921	9.51	2500	0.6584	0.8158
0.0921	9.89	2600	0.8727	0.7930
0.0921	10.27	2700	0.4222	0.8922
0.0921	10.65	2800	0.5811	0.8265
0.0921	11.03	2900	0.6175	0.8372
0.0701	11.41	3000	0.3914	0.8835
0.0701	11.79	3100	0.3364	0.8654
0.0701	12.17	3200	0.6223	0.8359
0.0701	12.55	3300	0.7830	0.8125
0.0701	12.93	3400	0.4356	0.8942
0.0552	13.31	3500	0.7553	0.8232
0.0552	13.69	3600	0.9107	0.8292
0.0552	14.07	3700	0.6108	0.8580
0.0552	14.45	3800	0.5732	0.8567
0.0552	14.83	3900	0.5087	0.8614
0.0482	15.21	4000	0.8889	0.8218

框架版本

Transformers：4.20.1
Pytorch：1.12.0+cu113
Datasets：2.3.2
Tokenizers：0.12.1

📄 許可證

本模型使用 Apache-2.0 許可證。

精選推薦AI模型

Llama 3 Typhoon V1.5x 8b Instruct

專為泰語設計的80億參數指令模型，性能媲美GPT-3.5-turbo，優化了應用場景、檢索增強生成、受限生成和推理任務

大型語言模型

Transformers 支持多種語言

Cadet-Tiny是一個基於SODA數據集訓練的超小型對話模型，專為邊緣設備推理設計，體積僅為Cosmo-3B模型的2%左右。

Transformers 英語

Roberta Base Chinese Extractive Qa

基於RoBERTa架構的中文抽取式問答模型，適用於從給定文本中提取答案的任務。

問答系統中文

AIbase

智啟未來，您的人工智能解決方案智庫

English 简体中文繁體中文にほんご

© 2025AIbase