Swin Tiny Patch4 Window7 224 Finetuned Skin Cancer

🚀 微調皮膚癌分類的Swin-Tiny模型

該模型基於圖像分類任務，對預訓練的Swin-Tiny模型進行微調，用於皮膚癌的分類識別，在評估集上展現出了一定的準確性，能為皮膚癌的輔助診斷提供支持。

🚀 快速開始

此模型是 microsoft/swin-tiny-patch4-window7-224 在 imagefolder 數據集上的微調版本。它在評估集上取得了以下結果：

• 損失值：0.7695
• 準確率：0.7275

📚 詳細文檔

模型描述

該模型的創建過程如下：從 Kaggle（鏈接：https://www.kaggle.com/datasets/kmader/skin-cancer-mnist-ham10000 ）將皮膚癌照片數據集導入到 Google Colab 中，然後參照圖像分類教程（鏈接：https://colab.research.google.com/github/huggingface/notebooks/blob/main/examples/image_classification.ipynb ）進行操作，得到了如下的 Notebook： 點擊查看 Notebook

模型可分類的疾病包括：'Actinic-keratoses'（光化性角化病）、'Basal-cell-carcinoma'（基底細胞癌）、'Benign-keratosis-like-lesions'（良性角化病樣病變）、'Dermatofibroma'（皮膚纖維瘤）、'Melanocytic-nevi'（黑素細胞痣）、'Melanoma'（黑色素瘤）、'Vascular-lesions'（血管病變）。

皮膚示例

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：5e-05
• 訓練批次大小：32
• 評估批次大小：32
• 隨機種子：42
• 梯度累積步數：4
• 總訓練批次大小：128
• 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：1

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。