Amoros Beaugosse Batch 64 Epochs 150 Test Large 2025 05 31 74882 Bs64 Freeze

🚀 Amoros_Beaugosse_batch_64_epochs_150_test-large-2025_05_31_74882-bs64_freeze

本模型是 facebook/dinov2-large 在 None 数据集上的微调版本。它在评估集上取得了以下结果：

• 损失：0.0794
• F1 微观：0.6595
• F1 宏观：0.5426
• 准确率：0.5713
• 学习率：0.0000

🚀 快速开始

本模型是经过微调的版本，可直接加载使用。你可以使用 transformers 库来加载该模型。

📚 详细文档

模型描述

该模型基于 facebook/dinov2-large 进行微调，但具体的模型描述信息暂未提供。

预期用途与限制

关于该模型的预期用途和限制的详细信息暂未提供。

训练和评估数据

训练和评估所使用的数据的详细信息暂未提供。

📦 安装指南

若要使用该模型，你需要安装 transformers 库及其相关依赖。可以使用以下命令进行安装：

pip install transformers==4.48.0 datasets==3.0.2 tokenizers==0.21.1
pip install torch==2.6.0+cu118 -f https://download.pytorch.org/whl/cu118/torch_stable.html

💻 使用示例

由于文档中未提供具体的使用代码示例，你可以参考以下通用的 transformers 库加载模型的示例：

from transformers import AutoModel

model = AutoModel.from_pretrained("Amoros_Beaugosse_batch_64_epochs_150_test-large-2025_05_31_74882-bs64_freeze")

🔧 技术细节

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：0.001
• 训练批次大小：64
• 评估批次大小：64
• 随机种子：42
• 优化器：使用 OptimizerNames.ADAMW_TORCH，其中 betas=(0.9, 0.999)，epsilon=1e-08，无额外的优化器参数
• 学习率调度器类型：线性
• 训练轮数：150
• 混合精度训练：原生 AMP

训练结果

框架版本

训练和使用该模型所使用的框架版本如下：

• Transformers 4.48.0
• Pytorch 2.6.0+cu118
• Datasets 3.0.2
• Tokenizers 0.21.1

📄 许可证

该模型使用 apache-2.0 许可证。你可以在使用该模型时遵循该许可证的相关规定。