Vit Base Food101

🚀 vit-base-food101-demo-v5

本模型是 google/vit-base-patch16-224-in21k 在 food101 數據集上的微調版本。它在評估集上取得了以下成果，能夠有效應用於圖像分類任務，為相關領域提供了準確且可靠的分類能力。

🚀 快速開始

本模型是 google/vit-base-patch16-224-in21k 在 food101 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：0.5493
• 準確率：0.8539

📚 詳細文檔

模型描述

待補充更多信息。

預期用途和限制

待補充更多信息。

訓練和評估數據

待補充更多信息。

訓練過程

訓練超參數

訓練期間使用了以下超參數：

• 學習率：0.0002
• 訓練批次大小：16
• 評估批次大小：8
• 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：4
• 混合精度訓練：原生自動混合精度（Native AMP）

訓練結果

框架版本

• Transformers 4.21.1
• Pytorch 1.12.0+cu113
• Datasets 2.4.0
• Tokenizers 0.12.1

📄 許可證

本項目採用 Apache-2.0 許可證。

🔍 其他信息

• 標籤：圖像分類、由訓練器生成
• 數據集：food101
• 指標：準確率

模型索引

• 名稱：vit-base-food101-demo-v5
• 結果：
  • 任務：
    • 名稱：圖像分類
    • 類型：圖像分類
  • 數據集：
    • 名稱：food101
    • 類型：food101
    • 配置：默認
    • 分割：訓練集
    • 參數：默認
  • 指標：
    • 名稱：準確率
    • 類型：準確率
    • 值：0.8539405940594059