注册
资讯
学习
基础知识 理论实践 学习教程
企业 招聘
下载
模型 数据集
AI工具箱
企业服务
EVA 智能HR 视频AI
ChatGPT 人工智能应用 人工智能未来 计算机视觉
热门新闻
机器人 康奈尔大学

康奈尔大学推出新的社交机器人，更柔软，更人性化
行业 人工智能

为什么数据污染对LLM来说是一个大问题
行业 人工智能

所以，能动手就别吵吵了
常用工具
ChatGPT

OpenAI旗下AI对话工具
Midjourney

AI图像和插画生成工具，测试测试测试测试测试测测试
Stable Diffusion

StabilityAI推出的文本到图像生成AI
GitHub Copilot

GitHub AI编程工具
文心一言

百度推出的基于文心大模型的AI对话互动工具
讯飞星火认知大模型

科大讯飞推出的类ChatGPT的讯飞星火认知大模型
心流

阿里旗下推出的AI搜索助手

模型:

jayanta/microsoft-resnet-50-cartoon-emotion-detection

任务:

图像分类

类库:

PyTorch TensorBoard Transformers

数据集:

imagefolder 3Aimagefolder

其他:

resnet generated_from_trainer Eval Results AutoTrain Compatible

许可:

apache-2.0
模型介绍 文件清单
英文

microsoft-resnet-50-cartoon-emotion-detection

这个模型是在imagefolder数据集上对 microsoft/resnet-50 进行微调的版本。在评估集上取得了以下结果：

  • 损失：0.4801
  • 准确率：0.8165
  • 精确度：0.8182
  • 召回率：0.8165
  • F1值：0.8173

模型描述

需要更多信息

使用和限制

需要更多信息

训练和评估数据

需要更多信息

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：0.00012
  • 训练批大小：64
  • 评估批大小：64
  • 随机种子：42
  • 梯度累积步数：4
  • 总的训练批大小：256
  • 优化器：Adam，参数为betas=(0.9,0.999)和epsilon=1e-08
  • 学习率调度器类型：linear
  • 学习率调度器预热比例：0.1
  • 训练轮数：80

训练结果

Training Loss Epoch Step Validation Loss Accuracy Precision Recall F1
No log 0.97 8 1.3855 0.2294 0.2697 0.2294 0.2165
1.4222 1.97 16 1.3792 0.2569 0.2808 0.2569 0.2543
1.4183 2.97 24 1.3646 0.3853 0.4102 0.3853 0.3511
1.4097 3.97 32 1.3563 0.4128 0.5062 0.4128 0.3245
1.3944 4.97 40 1.3462 0.4037 0.3927 0.4037 0.2939
1.3944 5.97 48 1.3223 0.4037 0.5152 0.4037 0.2841
1.411 6.97 56 1.3040 0.4128 0.4404 0.4128 0.2985
1.346 7.97 64 1.2700 0.4954 0.4960 0.4954 0.4093
1.3031 8.97 72 1.2150 0.5596 0.5440 0.5596 0.4672
1.2371 9.97 80 1.1580 0.5963 0.5659 0.5963 0.5101
1.2371 10.97 88 1.0670 0.6055 0.7279 0.6055 0.5211
1.1736 11.97 96 0.9856 0.6606 0.5537 0.6606 0.5772
1.0457 12.97 104 0.8963 0.6697 0.7631 0.6697 0.5965
0.953 13.97 112 0.8547 0.6697 0.6885 0.6697 0.6081
0.8579 14.97 120 0.7849 0.7156 0.7396 0.7156 0.6643
0.8579 15.97 128 0.7564 0.7431 0.7372 0.7431 0.7119
0.8167 16.97 136 0.7133 0.7615 0.7507 0.7615 0.7211
0.7273 17.97 144 0.6888 0.7523 0.7379 0.7523 0.7202
0.6547 18.97 152 0.6592 0.7798 0.7773 0.7798 0.7577
0.5963 19.97 160 0.6136 0.7706 0.7642 0.7706 0.7551
0.5963 20.97 168 0.5723 0.7890 0.7802 0.7890 0.7787
0.551 21.97 176 0.5686 0.7890 0.7761 0.7890 0.7781
0.4929 22.97 184 0.5597 0.7706 0.7649 0.7706 0.7651
0.4309 23.97 192 0.5234 0.7890 0.7774 0.7890 0.7810
0.3945 24.97 200 0.5008 0.7890 0.7837 0.7890 0.7813
0.3945 25.97 208 0.5289 0.7523 0.7537 0.7523 0.7529
0.3704 26.97 216 0.4399 0.7982 0.7958 0.7982 0.7963
0.3267 27.97 224 0.4539 0.8073 0.7983 0.8073 0.8005
0.2966 28.97 232 0.4735 0.7798 0.7892 0.7798 0.7837
0.2645 29.97 240 0.4594 0.7706 0.7706 0.7706 0.7706
0.2645 30.97 248 0.4699 0.7523 0.7554 0.7523 0.7533
0.2527 31.97 256 0.4551 0.7890 0.7856 0.7890 0.7857
0.2202 32.97 264 0.4458 0.8165 0.8198 0.8165 0.8170
0.2006 33.97 272 0.4632 0.7798 0.7941 0.7798 0.7850
0.1589 34.97 280 0.4651 0.7890 0.7993 0.7890 0.7925
0.1589 35.97 288 0.4595 0.7798 0.7824 0.7798 0.7804
0.153 36.97 296 0.4584 0.7615 0.7691 0.7615 0.7633
0.1427 37.97 304 0.4608 0.7798 0.7830 0.7798 0.7796
0.113 38.97 312 0.4571 0.7890 0.7922 0.7890 0.7899
0.1146 39.97 320 0.5270 0.7615 0.7651 0.7615 0.7613
0.1146 40.97 328 0.4888 0.7706 0.7782 0.7706 0.7710
0.1275 41.97 336 0.4523 0.7890 0.7809 0.7890 0.7837
0.0959 42.97 344 0.4697 0.7798 0.7753 0.7798 0.7767
0.0882 43.97 352 0.4286 0.7706 0.7686 0.7706 0.7686
0.0847 44.97 360 0.5317 0.7890 0.7993 0.7890 0.7925
0.0847 45.97 368 0.5431 0.7615 0.7700 0.7615 0.7647
0.0813 46.97 376 0.4432 0.8257 0.8435 0.8257 0.8284
0.0768 47.97 384 0.4886 0.7982 0.8005 0.7982 0.7956
0.0627 48.97 392 0.5373 0.7982 0.8072 0.7982 0.8010
0.0688 49.97 400 0.5897 0.7798 0.7892 0.7798 0.7822
0.0688 50.97 408 0.5115 0.7982 0.8015 0.7982 0.7992
0.0676 51.97 416 0.4881 0.7982 0.7998 0.7982 0.7978
0.0539 52.97 424 0.4820 0.8073 0.8139 0.8073 0.8077
0.0596 53.97 432 0.4450 0.8257 0.8246 0.8257 0.8244
0.0611 54.97 440 0.5057 0.7890 0.8008 0.7890 0.7924
0.0611 55.97 448 0.4918 0.7982 0.8056 0.7982 0.8008
0.0643 56.97 456 0.5946 0.7523 0.7587 0.7523 0.7545
0.0605 57.97 464 0.4888 0.8073 0.8239 0.8073 0.8121
0.063 58.97 472 0.5917 0.7890 0.8051 0.7890 0.7937
0.0595 59.97 480 0.5117 0.7890 0.7904 0.7890 0.7894
0.0595 60.97 488 0.5497 0.7615 0.7692 0.7615 0.7635
0.0554 61.97 496 0.4742 0.8165 0.8101 0.8165 0.8126
0.0557 62.97 504 0.5369 0.7890 0.7886 0.7890 0.7886
0.0539 63.97 512 0.5440 0.7890 0.7922 0.7890 0.7899
0.048 64.97 520 0.5924 0.7890 0.7878 0.7890 0.7883
0.048 65.97 528 0.4863 0.8440 0.8440 0.8440 0.8440
0.045 66.97 536 0.5850 0.8073 0.8076 0.8073 0.8047
0.047 67.97 544 0.4939 0.8257 0.8212 0.8257 0.8227
0.0412 68.97 552 0.4850 0.7890 0.7912 0.7890 0.7900
0.0392 69.97 560 0.5066 0.8257 0.8265 0.8257 0.8258
0.0392 70.97 568 0.4965 0.8073 0.8053 0.8073 0.8058
0.0423 71.97 576 0.4717 0.8349 0.8376 0.8349 0.8351
0.0471 72.97 584 0.4845 0.8257 0.8378 0.8257 0.8296
0.0322 73.97 592 0.5188 0.7706 0.7689 0.7706 0.7693
0.042 74.97 600 0.5242 0.7706 0.7699 0.7706 0.7701
0.042 75.97 608 0.5945 0.7798 0.7824 0.7798 0.7804
0.0416 76.97 616 0.5432 0.7982 0.8038 0.7982 0.7993
0.0399 77.97 624 0.5381 0.7982 0.8072 0.7982 0.7994
0.0439 78.97 632 0.6181 0.7798 0.7878 0.7798 0.7827
0.0462 79.97 640 0.4801 0.8165 0.8182 0.8165 0.8173

框架版本

  • Transformers 4.25.1
  • Pytorch 1.13.1+cu117
  • Datasets 2.8.0
  • Tokenizers 0.11.0

作者:

paul

数据集大小:

90.24 MB

相关推荐