🚀 字體識別模型（font-identifier）
本模型是基於圖像分類任務的模型，它在圖像分類任務上有一定的表現，是在microsoft/resnet - 18基礎上針對imagefolder數據集進行微調得到的。
🚀 快速開始
本模型是 microsoft/resnet-18 在 imagefolder 數據集上的微調版本。它在評估集上取得了以下結果：
📚 詳細文檔
模型描述
該模型是對 microsoft/resnet-18 進行微調後的版本，用於圖像分類任務。
預期用途和限制
文檔未提供相關詳細信息。
訓練和評估數據
文檔未提供相關詳細信息。
訓練過程
訓練超參數
訓練期間使用了以下超參數：
- 學習率：5e - 05
- 訓練批次大小：16
- 評估批次大小：16
- 隨機種子：42
- 梯度累積步數：4
- 總訓練批次大小：64
- 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：30
訓練結果
| 訓練損失 |
輪數 |
步數 |
驗證損失 |
準確率 |
| 7.2836 |
1.0 |
344 |
7.2178 |
0.0038 |
| 6.6696 |
2.0 |
689 |
6.4685 |
0.0408 |
| 5.85 |
3.0 |
1034 |
5.3897 |
0.1254 |
| 5.0457 |
4.0 |
1379 |
4.4771 |
0.2143 |
| 4.3784 |
5.0 |
1723 |
3.6429 |
0.3242 |
| 3.809 |
6.0 |
2068 |
3.1236 |
0.4031 |
| 3.4229 |
7.0 |
2413 |
2.6388 |
0.4672 |
| 2.8977 |
8.0 |
2758 |
2.3279 |
0.5102 |
| 2.78 |
9.0 |
3102 |
2.0974 |
0.5682 |
| 2.4452 |
10.0 |
3447 |
1.8605 |
0.6027 |
| 2.2195 |
11.0 |
3792 |
1.6783 |
0.6312 |
| 2.1097 |
12.0 |
4137 |
1.6049 |
0.6390 |
| 1.9025 |
13.0 |
4481 |
1.4255 |
0.6912 |
| 1.7973 |
14.0 |
4826 |
1.3253 |
0.7075 |
| 1.7647 |
15.0 |
5171 |
1.3030 |
0.7032 |
| 1.6772 |
16.0 |
5516 |
1.1988 |
0.7210 |
| 1.5523 |
17.0 |
5860 |
1.1040 |
0.7395 |
| 1.4821 |
18.0 |
6205 |
1.0786 |
0.7380 |
| 1.3764 |
19.0 |
6550 |
1.0603 |
0.7471 |
| 1.2913 |
20.0 |
6895 |
1.0169 |
0.7542 |
| 1.3479 |
21.0 |
7239 |
0.9999 |
0.7563 |
| 1.3133 |
22.0 |
7584 |
0.9928 |
0.7594 |
| 1.2241 |
23.0 |
7929 |
0.9342 |
0.7649 |
| 1.1651 |
24.0 |
8274 |
0.9283 |
0.7658 |
| 1.1605 |
25.0 |
8618 |
0.9176 |
0.7720 |
| 1.0283 |
26.0 |
8963 |
0.8970 |
0.7767 |
| 1.1211 |
27.0 |
9308 |
0.8983 |
0.7754 |
| 1.1563 |
28.0 |
9653 |
0.8729 |
0.7801 |
| 1.1399 |
29.0 |
9997 |
0.9021 |
0.7732 |
| 1.1715 |
29.93 |
10320 |
0.8935 |
0.7810 |
框架版本
- Transformers 4.35.2
- Pytorch 2.0.0
- Datasets 2.15.0
- Tokenizers 0.15.0
📄 許可證
本模型使用 Apache - 2.0 許可證。
模型信息表格
| 屬性 |
詳情 |
| 模型類型 |
font-identifier |
| 基礎模型 |
microsoft/resnet-18 |
| 標籤 |
generated_from_trainer |
| 數據集 |
imagefolder |
| 評估指標 |
準確率 |
%20--%3e%3cdefs%3e%3cstyle%3e%20.st0%20{%20fill:%20%23061b40;%20}%20.st1%20{%20fill:%20%23306af1;%20}%20.st2%20{%20fill:%20%235ce5cf;%20}%20%3c/style%3e%3c/defs%3e%3cg%3e%3cpath%20class='st0'%20d='M55,10.5h9v3h-9v9h12V7.5h-12v3ZM64,19.5h-6v-3h6v3Z'/%3e%3cpolygon%20class='st0'%20points='69%2016.5%2078%2016.5%2078%2019.5%2069%2019.5%2069%2022.5%2081%2022.5%2081%2013.5%2072%2013.5%2072%2010.5%2081%2010.5%2081%207.5%2069%207.5%2069%2016.5'/%3e%3cpolygon%20class='st0'%20points='95%2010.5%2095%207.5%2083%207.5%2083%2022.5%2095%2022.5%2095%2019.5%2086%2019.5%2086%2016.5%2095%2016.5%2095%2013.5%2086%2013.5%2086%2010.5%2095%2010.5'/%3e%3cpath%20class='st0'%20d='M40,1.5v21h11.6l1.4-1.4v-7.6h0c0,0-1.4-1.5-1.4-1.5l1.4-1.4V2.9l-1.4-1.4h-11.6ZM50,19.5h-7v-6h7v6ZM50,10.5h-7v-6h7v6Z'/%3e%3c/g%3e%3cpath%20class='st1'%20d='M23.1,24L14.7,4.8l-4.9,11.2h3.8l-1.8,4H3.3L12.1,0H2C.9,0,0,.9,0,2v20c0,1.1.9,2,2,2h21.1Z'/%3e%3cpath%20class='st2'%20d='M34,0h-16.8l10.6,24h6.2c1.1,0,2-.9,2-2V2C36,.9,35.1,0,34,0ZM32.5,20h-4V4h4v16Z'/%3e%3c/svg%3e)
Transformers 支持多種語言