Resnet 18 Feature Extraction

🚀 resnet-18特征提取

本模型是基于microsoft/resnet-18在imagefolder数据集上进行微调的版本。它在评估集上取得了以下成果，展现了出色的性能：

• 损失率：0.1485
• 准确率：0.95
• 精确率：0.9653
• 召回率：0.9789
• F1值：0.9720
• ROC曲线下面积：0.8505

🚀 快速开始

本模型是在imagefolder数据集上对microsoft/resnet-18进行微调得到的。可直接使用该模型进行图像分类任务，在评估集上有良好的表现。

✨ 主要特性

• 微调模型：基于成熟的microsoft/resnet-18进行微调，继承了其优秀的特征提取能力。
• 多指标评估：在评估集上从损失率、准确率、精确率、召回率、F1值和ROC曲线下面积等多个指标进行了评估，全面展示了模型性能。

📚 详细文档

模型信息

评估结果

该模型在评估集上的表现如下：

模型索引

• 名称：resnet-18-feature-extraction
• 结果：
  • 任务：
    • 名称：图像分类
    • 类型：图像分类
  • 数据集：
    • 名称：imagefolder
    • 类型：imagefolder
    • 配置：默认
    • 分割：训练集
    • 参数：默认
  • 评估指标：
    • 名称：准确率
    • 类型：准确率
    • 值：0.95
    • 名称：精确率
    • 类型：精确率
    • 值：0.9652777777777778
    • 名称：召回率
    • 类型：召回率
    • 值：0.9788732394366197
    • 名称：F1值
    • 类型：F1值
    • 值：0.972027972027972

🔧 技术细节

训练超参数

在训练过程中使用了以下超参数：

• 学习率：2e-05
• 训练批次大小：64
• 评估批次大小：64
• 随机种子：42
• 梯度累积步数：4
• 总训练批次大小：256
• 优化器：Adam（β1=0.9，β2=0.999，ε=1e-08）
• 学习率调度器类型：线性
• 学习率调度器预热比例：0.1
• 训练轮数：50

训练结果

框架版本

• Transformers 4.24.0.dev0
• Pytorch 1.11.0+cu102
• Datasets 2.6.1
• Tokenizers 0.13.1

📄 许可证

本模型采用Apache 2.0许可证。