Swin Tiny Patch4 Window7 224 Finetuned Skin Cancer

🚀 微调皮肤癌分类的Swin-Tiny模型

该模型基于图像分类任务，对预训练的Swin-Tiny模型进行微调，用于皮肤癌的分类识别，在评估集上展现出了一定的准确性，能为皮肤癌的辅助诊断提供支持。

🚀 快速开始

此模型是 microsoft/swin-tiny-patch4-window7-224 在 imagefolder 数据集上的微调版本。它在评估集上取得了以下结果：

• 损失值：0.7695
• 准确率：0.7275

📚 详细文档

模型描述

该模型的创建过程如下：从 Kaggle（链接：https://www.kaggle.com/datasets/kmader/skin-cancer-mnist-ham10000 ）将皮肤癌照片数据集导入到 Google Colab 中，然后参照图像分类教程（链接：https://colab.research.google.com/github/huggingface/notebooks/blob/main/examples/image_classification.ipynb ）进行操作，得到了如下的 Notebook： 点击查看 Notebook

模型可分类的疾病包括：'Actinic-keratoses'（光化性角化病）、'Basal-cell-carcinoma'（基底细胞癌）、'Benign-keratosis-like-lesions'（良性角化病样病变）、'Dermatofibroma'（皮肤纤维瘤）、'Melanocytic-nevi'（黑素细胞痣）、'Melanoma'（黑色素瘤）、'Vascular-lesions'（血管病变）。

皮肤示例

预期用途与限制

更多信息待补充。

训练和评估数据

更多信息待补充。

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：5e-05
• 训练批次大小：32
• 评估批次大小：32
• 随机种子：42
• 梯度累积步数：4
• 总训练批次大小：128
• 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：1

训练结果

框架版本

• Transformers 4.20.1
• Pytorch 1.11.0+cu113
• Datasets 2.3.2
• Tokenizers 0.12.1

📄 许可证

本模型采用 Apache-2.0 许可证。