Vit Base Patch16 224 In21k Dog Vs Cat Image Classification

🚀 vit-base-patch16-224-in21k 猫狗图像分类

本模型是一个图像分类模型，基于预训练模型进行微调，能够高精度地区分猫和狗的图像，在评估集上取得了优异的成绩。

🚀 快速开始

本模型是 google/vit-base-patch16-224-in21k 的微调版本，在评估集上取得了以下结果：

• 损失值：0.0404
• 准确率：0.99
• F1值：0.9897
• 召回率：0.9909
• 精确率：0.9885

✨ 主要特性

• 高精度分类：能够以高准确率区分猫和狗的图像。
• 基于预训练模型：在 google/vit-base-patch16-224-in21k 基础上微调，节省训练时间和资源。

📚 详细文档

模型描述

这是一个用于区分猫和狗的二分类模型。有关其创建方式的更多信息，请查看以下链接：https://github.com/DunnBC22/Vision_Audio_and_Multimodal_Projects/blob/main/Computer%20Vision/Image%20Classification/Binary%20Classification/Dogs%20or%20Cats%20Image%20Classification/Dog_v_Cat_ViT.ipynb

预期用途与限制

本模型旨在展示使用技术解决复杂问题的能力。

训练和评估数据

数据集来源：https://www.kaggle.com/datasets/shaunthesheep/microsoft-catsvsdogs-dataset

数据集中的示例图像：

训练过程

训练超参数

训练期间使用了以下超参数：

• 学习率：0.0002
• 训练批次大小：16
• 评估批次大小：8
• 随机种子：42
• 优化器：Adam（β1=0.9，β2=0.999，ε=1e-08）
• 学习率调度器类型：线性
• 训练轮数：3

训练结果

框架版本

• Transformers 4.25.1
• Pytorch 1.12.1
• Datasets 2.8.0
• Tokenizers 0.12.1

📄 许可证

本项目采用 Apache-2.0 许可证。