---
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 Bean Leaves

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:  0.0454
  
- Precisión: 0.9925

## 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