🚀 dit-base-finetuned-brs
本模型是 microsoft/dit-base 在 imagefolder 数据集上的微调版本。它在图像分类任务中表现出色,能够高效准确地对图像进行分类,为相关领域的应用提供了有力支持。
🚀 快速开始
该模型在评估集上取得了以下结果:
- 损失值:0.8748
- 准确率:0.8824
- F1值:0.8571
- 精确率(ppv):0.8571
- 召回率(sensitivity):0.8571
- 特异度:0.9
- 阴性预测值:0.9
- 曲线下面积(Auc):0.8786
📚 详细文档
模型信息
属性 |
详情 |
标签 |
由训练器生成 |
数据集 |
imagefolder |
评估指标 |
准确率、F1值 |
模型名称 |
dit-base-finetuned-brs |
任务类型 |
图像分类 |
数据集名称 |
imagefolder |
数据集配置 |
默认 |
数据集分割 |
训练集 |
准确率 |
0.8823529411764706 |
F1值 |
0.8571428571428571 |
训练过程
训练超参数
以下是训练过程中使用的超参数:
- 学习率:1e-05
- 训练批次大小:1
- 评估批次大小:1
- 随机种子:42
- 梯度累积步数:4
- 总训练批次大小:4
- 优化器:Adam(β1=0.9,β2=0.999,ε=1e-08)
- 学习率调度器类型:线性
- 学习率调度器热身比例:0.1
- 训练轮数:100
训练结果
训练损失 |
轮数 |
步数 |
验证损失 |
准确率 |
F1值 |
精确率(ppv) |
召回率(sensitivity) |
特异度 |
阴性预测值 |
曲线下面积(Auc) |
0.6624 |
6.25 |
100 |
0.5548 |
0.8235 |
0.7692 |
0.8333 |
0.7143 |
0.9 |
0.8182 |
0.8071 |
0.5201 |
12.49 |
200 |
0.4617 |
0.8824 |
0.8571 |
0.8571 |
0.8571 |
0.9 |
0.9 |
0.8786 |
0.5172 |
18.74 |
300 |
0.4249 |
0.8235 |
0.8000 |
0.75 |
0.8571 |
0.8 |
0.8889 |
0.8286 |
0.4605 |
24.98 |
400 |
0.3172 |
0.8235 |
0.7692 |
0.8333 |
0.7143 |
0.9 |
0.8182 |
0.8071 |
0.4894 |
31.25 |
500 |
0.4466 |
0.8235 |
0.7692 |
0.8333 |
0.7143 |
0.9 |
0.8182 |
0.8071 |
0.3694 |
37.49 |
600 |
0.5077 |
0.8235 |
0.7692 |
0.8333 |
0.7143 |
0.9 |
0.8182 |
0.8071 |
0.6172 |
43.74 |
700 |
0.5722 |
0.7647 |
0.7143 |
0.7143 |
0.7143 |
0.8 |
0.8 |
0.7571 |
0.3671 |
49.98 |
800 |
0.7006 |
0.7647 |
0.6667 |
0.8 |
0.5714 |
0.9 |
0.75 |
0.7357 |
0.4109 |
56.25 |
900 |
0.4410 |
0.8235 |
0.7692 |
0.8333 |
0.7143 |
0.9 |
0.8182 |
0.8071 |
0.3198 |
62.49 |
1000 |
0.7226 |
0.8235 |
0.7692 |
0.8333 |
0.7143 |
0.9 |
0.8182 |
0.8071 |
0.4283 |
68.74 |
1100 |
0.8089 |
0.8235 |
0.7692 |
0.8333 |
0.7143 |
0.9 |
0.8182 |
0.8071 |
0.3273 |
74.98 |
1200 |
0.9059 |
0.7647 |
0.6667 |
0.8 |
0.5714 |
0.9 |
0.75 |
0.7357 |
0.3237 |
81.25 |
1300 |
0.8520 |
0.8235 |
0.7692 |
0.8333 |
0.7143 |
0.9 |
0.8182 |
0.8071 |
0.2014 |
87.49 |
1400 |
0.9183 |
0.7647 |
0.6667 |
0.8 |
0.5714 |
0.9 |
0.75 |
0.7357 |
0.3204 |
93.74 |
1500 |
0.6769 |
0.8824 |
0.8571 |
0.8571 |
0.8571 |
0.9 |
0.9 |
0.8786 |
0.1786 |
99.98 |
1600 |
0.8748 |
0.8824 |
0.8571 |
0.8571 |
0.8571 |
0.9 |
0.9 |
0.8786 |
框架版本
- Transformers 4.23.1
- Pytorch 1.12.1+cu113
- Datasets 2.6.1
- Tokenizers 0.13.1