Vit Base Blur

🚀 vit-base-blur

本模型是基於 google/vit-base-patch16-224-in21k 在模糊圖像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：0.0008
• 準確率：1.0

🚀 快速開始

本模型可用於圖像分類任務，特別是在區分“有噪”（模糊）圖像和清晰圖像方面表現出色。

✨ 主要特性

• 基於預訓練的 google/vit-base-patch16-224-in21k 模型進行微調，在模糊圖像數據集上有良好表現。
• 能夠對“有噪”（模糊）和清晰圖像進行二分類。

📚 詳細文檔

模型描述

該模型用於在“有噪”（模糊）圖像和清晰圖像之間進行二分類，其中“有噪”圖像是圖像生成的潛在擴散模型（LDM）未完成或不充分處理的結果。

預期用途與限制

更多信息待補充。

訓練和評估數據

使用 SD2.1 分別以 30 步和 10 步生成了約 1000 張清晰和模糊圖像用於訓練和評估。

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：0.0001
• 訓練批次大小：16
• 評估批次大小：8
• 隨機種子：42
• 優化器：Adam，β=(0.9, 0.999)，ε=1e-08
• 學習率調度器類型：線性
• 訓練輪數：12

訓練結果

框架版本

• Transformers 4.30.2
• Pytorch 2.0.1+cu118
• Datasets 2.13.1
• Tokenizers 0.13.3

📄 許可證

本模型採用 Apache-2.0 許可證。

📦 模型信息