Vc Bantai Vit Withoutambi Adunest V3

V

Vc Bantai Vit Withoutambi Adunest V3

由 AykeeSalazar 开发

基于Google Vision Transformer (ViT)架构的图像分类模型，在自定义数据集上微调，准确率达82.18%

开源协议:Apache-2.0 #图像分类 #ViT微调 #高准确率

下载量 30

发布时间 : 8/3/2022

模型简介

该模型是基于google/vit-base-patch16-224-in21k预训练模型在图像分类任务上微调的版本，主要用于图像分类任务。

模型特点

高准确率

在评估集上达到82.18%的准确率，表现优异

基于ViT架构

采用Vision Transformer架构，能有效捕捉图像中的全局特征

精细调优

经过200轮训练，使用线性学习率调度和Adam优化器

模型能力

图像分类

视觉特征提取

使用案例

图像识别

违规内容分类

可用于识别和分类违规图像内容

在Violation-Classification数据集上表现良好

🚀 vc-bantai-vit-withoutAMBI-adunest-v3

本模型是基于 google/vit-base-patch16-224-in21k 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绩：

损失值：0.8889
准确率：0.8218

📚 详细文档

模型信息

属性	详情
模型名称	vc-bantai-vit-withoutAMBI-adunest-v3
模型类型	图像分类模型
基础模型	google/vit-base-patch16-224-in21k
训练数据集	imagefolder
评估指标	准确率
评估集准确率	0.8218
评估集损失值	0.8889
许可证	Apache-2.0

训练过程

训练超参数

训练过程中使用了以下超参数：

学习率：0.0005
训练批次大小：32
评估批次大小：32
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：200
混合精度训练：Native AMP

训练结果

训练损失	轮数	步数	验证损失	准确率
无记录	0.38	100	0.8208	0.7147
无记录	0.76	200	0.8861	0.7595
无记录	1.14	300	0.4306	0.7910
无记录	1.52	400	0.5222	0.8245
0.3448	1.9	500	0.8621	0.7602
0.3448	2.28	600	0.2902	0.8801
0.3448	2.66	700	0.3687	0.8426
0.3448	3.04	800	0.3585	0.8694
0.3448	3.42	900	0.6546	0.7897
0.2183	3.8	1000	0.3881	0.8272
0.2183	4.18	1100	0.9650	0.7709
0.2183	4.56	1200	0.6444	0.7917
0.2183	4.94	1300	0.4685	0.8707
0.2183	5.32	1400	0.4972	0.8506
0.157	5.7	1500	0.4010	0.8513
0.157	6.08	1600	0.4629	0.8419
0.157	6.46	1700	0.4258	0.8714
0.157	6.84	1800	0.4383	0.8573
0.157	7.22	1900	0.5324	0.8493
0.113	7.6	2000	0.3212	0.8942
0.113	7.98	2100	0.8621	0.8326
0.113	8.37	2200	0.6050	0.8131
0.113	8.75	2300	0.7173	0.7991
0.113	9.13	2400	0.5313	0.8125
0.0921	9.51	2500	0.6584	0.8158
0.0921	9.89	2600	0.8727	0.7930
0.0921	10.27	2700	0.4222	0.8922
0.0921	10.65	2800	0.5811	0.8265
0.0921	11.03	2900	0.6175	0.8372
0.0701	11.41	3000	0.3914	0.8835
0.0701	11.79	3100	0.3364	0.8654
0.0701	12.17	3200	0.6223	0.8359
0.0701	12.55	3300	0.7830	0.8125
0.0701	12.93	3400	0.4356	0.8942
0.0552	13.31	3500	0.7553	0.8232
0.0552	13.69	3600	0.9107	0.8292
0.0552	14.07	3700	0.6108	0.8580
0.0552	14.45	3800	0.5732	0.8567
0.0552	14.83	3900	0.5087	0.8614
0.0482	15.21	4000	0.8889	0.8218

框架版本

Transformers：4.20.1
Pytorch：1.12.0+cu113
Datasets：2.3.2
Tokenizers：0.12.1

📄 许可证

本模型使用 Apache-2.0 许可证。

精选推荐AI模型

Llama 3 Typhoon V1.5x 8b Instruct

专为泰语设计的80亿参数指令模型，性能媲美GPT-3.5-turbo，优化了应用场景、检索增强生成、受限生成和推理任务

大型语言模型

Transformers 支持多种语言

Cadet-Tiny是一个基于SODA数据集训练的超小型对话模型，专为边缘设备推理设计，体积仅为Cosmo-3B模型的2%左右。

Transformers 英语

Roberta Base Chinese Extractive Qa

基于RoBERTa架构的中文抽取式问答模型，适用于从给定文本中提取答案的任务。

问答系统中文

AIbase

智启未来，您的人工智能解决方案智库

English 简体中文繁體中文にほんご

© 2025AIbase