File size: 2,147 Bytes
e45bfeb 489e47f f9b5689 489e47f f9b5689 e45bfeb 489e47f 0e8595e 489e47f |
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 |
---
license: apache-2.0
tags:
- image-classification
- other-image-classification
- generated_from_trainer
- Vit
datasets:
- beans
metrics:
- accuracy
model-index:
- name: vit-base-beans-demo-v2
results:
- task:
name: Image Classification
type: image-classification
dataset:
name: beans
type: beans
args: default
metrics:
- name: Accuracy
type: accuracy
value: 1
pipeline_tag: image-classification
---
<!-- This model card has been generated automatically according to the information the Trainer had access to. You
should probably proofread and complete it, then remove this comment. -->
# vit-base-beans-demo-v2
Este modelo es una versión mejorada de [google/vit-base-patch16-224-in21k](https://huggingface.co/google/vit-base-patch16-224-in21k) en el conjunto de datos beans.
Obtiene los siguientes resultados en el conjunto de evaluación:
- Pérdida: 0,0099
- Precisión: 1,0
## Descripción del modelo
Al procesar imágenes de hojas, la IA puede realizar análisis y comparaciones con una base de datos de imágenes previamente etiquetadas para identificar patrones y características distintivas asociadas con diferentes enfermedades o daños.
### Hiperparámetros de entrenamiento
Durante el entrenamiento se utilizaron los siguientes hiperparámetros:
- learning_rate 0.0002
- tamaño_lote_entrenamiento: 16
- tamaño_lote_evaluación: 8
- semilla: 42
- optimizador: Adam con betas=(0.9,0.999) y epsilon=1e-08
- lr_scheduler_type: lineal
- número de épocas: 5
- entrenamiento_precisión_mezclada: Native AMP
### Resultados del entrenamiento
| Pérdida de entrenamiento| Epoch | Step | Pérdida de Validación | Precisión |
|:-----------------------:|:-----:|:----:|:---------------------:|:---------:|
| 0.0705 | 1.54 | 100 | 0.0562 | 0.9925 |
| 0.0123 | 3.08 | 200 | 0.0124 | 1.0 |
| 0.008 | 4.62 | 300 | 0.0099 | 1.0 |
### Framework versions
- Transformers 4.10.0.dev0
- Pytorch 1.9.0+cu102
- Conjuntos de datos 1.11.0
- Tokenizadores 0.10.3 |